重尾变量与混杂因素的因果建模及其在河流流量中的应用

混杂变量是因果发现与推断中反复出现的挑战。在许多情形下，复杂因果机制仅在极端事件中显现，或在极端情形下呈现更简单的形式。受极端河流流量与降水数据的启发，我们引入一种针对重尾变量的新因果发现方法，当变量具有可比尾部时，该方法可使已知潜在混杂因素的影响几乎完全消除，并在混杂因素具有更重尾部时充分降低该影响以实现正确因果推断。我们还提出了针对现有因果尾部系数的新参数估计量与一种置换检验。模拟表明方法表现良好，并将这些思想应用于原动机数据集。