因果推断若干近期进展综述
统计方法学
2015-06-26 v1
摘要
我们针对不熟悉图模型与因果性的研究人员，选择性地综述因果推断的一些近期进展，重点关注适用于大规模数据集的方法。我们主要探讨从观测数据估计因果效应的问题。例如，可以设想从野生型基因表达数据（即未做任何基因敲除实验所获得的基因表达测量值）估计单个或多个基因敲除的效应。我们假设观测数据由可用有向无环图（DAG）表示的因果结构生成。首先，我们讨论在底层因果DAG已知时因果效应的估计。然而，在大规模网络中，因果DAG通常未知。因此，接下来我们讨论因果结构学习，即从观测数据中学习关于因果结构的信息。然后我们结合这两部分，讨论在因果结构未知时从观测数据估计因果效应（的界）的方法。我们还在酵母基因表达数据集上阐释了该方法。最后我们提及所讨论工作的若干扩展。
引用
@article{arxiv.1506.07669,
title = {A review of some recent advances in causal inference},
author = {Marloes H. Maathuis and Preetam Nandy},
journal= {arXiv preprint arXiv:1506.07669},
year = {2015}
}
备注
23 pages, 4 figures, To appear in the "Handbook of Big Data", Chapman and Hall