来自多个不完全数据源的因果效应辨识：一种通用的基于搜索的方法

因果效应辨识考察一个干预概率分布能否在不作参数假设的情况下，由观测到的源分布与生成系统的结构知识唯一确定。尽管针对许多辨识问题已有完整的图准则与流程，文献中仍存在一些具有挑战性但重要的扩展未被考虑。为应对这些新设定，我们提出一种直接在 do-演算规则之上进行搜索的算法。由于 do-演算的通用性，该搜索能够考虑更先进的数据生成机制以及任意类型的观测与实验源分布。该搜索通过启发式方法与搜索空间缩减技术得以增强。这一称为 do-search 的方法被证明是可靠的，并且对于已被证明可由 do-演算完全刻画的辨识问题是完备的。当用额外规则扩展后，该搜索也能处理缺失数据问题。借助这一通用搜索，我们能够处理诸如可迁移性与选择偏差的组合、或多重选择偏差源等新问题。我们对二元缺失数据问题进行了系统分析，并研究了病例对照设计下的因果推断。我们还呈现了 R 包 dosearch，为搜索的 C++ 实现提供接口。