基于噪声对比后门调整的因果关联核检验
统计方法学
2024-06-04 v4 机器学习
摘要
随着混杂因子数量增加，因果推断变得日益复杂。给定处理、混杂因子与结果，我们发展了一种非参数方法来检验\textit{do-零}假设以对抗一般备择假设。基于用于边际独立性检验的Hilbert Schmidt独立准则（HSIC），我们提出后门-HSIC（bd-HSIC），并证明其在大量混杂因子下对二值与连续处理均是校准的且具有功效。此外，我们建立了bd-HSIC中所用协方差算符估计量的收敛性质。我们考察了bd-HSIC相对于参数检验的优劣，以及使用do-零检验相对于边际独立性检验或条件独立性检验的重要性。完整实现见\hyperlink{https://github.com/MrHuff/kgformula}{\texttt{https://github.com/MrHuff/kgformula}}。
引用
@article{arxiv.2111.13226,
title = {A Kernel Test for Causal Association via Noise Contrastive Backdoor Adjustment},
author = {Robert Hu and Dino Sejdinovic and Robin J. Evans},
journal= {arXiv preprint arXiv:2111.13226},
year = {2024}
}