半马尔可夫结构因果模型中的因果计算：使用分治法

最近，Bj{\o}ru 等人提出了一种用于在结构因果模型（SCM）中对反事实概率进行界限的新型分治算法。他们假设 SCM 来自纯观察数据，这导致对外生变量边缘分布的表述不够精确。该方法利用结构方程的标准表示将具有高基数外生变量的通用 SCM 分解为一组具有低基数外生变量的子模型。这些子模型对外生变量的边缘分布具有确定性，从而容许高效的精确推断。聚合结果用于界定原始模型中的反事实概率。该方法是为马尔可夫模型开发的，其中每个外生变量只影响单个内生变量。在本文中，我们研究将该方法扩展到 \textit{半马尔可夫} SCM 的可能性，其中外生变量可能影响多个内生变量。此类模型能够表示马尔可夫模型无法表示的混淆关系。我们使用一个最小例子说明这一扩展的挑战，这激励了一组替代解决方案策略。这些策略在理论上和通过计算研究中进行了评估。