BriefGPT.xyz
Apr, 2025
时序模型中的因果识别
Causal Identification in Time Series Models
HTML
PDF
Erik Jahn, Karthik Karnik, Leonard J. Schulman
TL;DR
本研究解决了在含有潜在混杂因素的因果时序图中，因果识别算法的适用性问题。通过提出一个新的界限，作者表明仅根据每个时间步骤的变量数量和任何直接或潜在因果效应的最大时间滞后，就可以确定因果效应的可识别性。这一发现有望简化因果分析在无限时间范围内的应用。
Abstract
In this paper, we analyze the applicability of the
Causal Identification
algorithm to causal
Time Series
graphs with
Latent Confounders
. S
→