可控变量子集上实验的因果可迁移性：z-可迁移性
人工智能
2013-09-27 v1
摘要
我们引入 z-可迁移性（z-transportability），即在目标域中，利用源域中任意可控变量子集 Z（Z 是可观测变量集 V 的任意子集）上的实验，估计一组变量 X 对另一组变量 Y 的因果效应的问题。z-可迁移性推广了 z-可识别性（z-identifiability），后者指在给定域中，利用与 X 不相交的变量集 Z 上的代理实验来估计 X 对 Y 的因果效应的问题。z-可迁移性也推广了可迁移性（transportability），后者要求目标域中 X 对 Y 的因果效应能够从源域中所有可观测变量的任意子集上的实验中估计出来。首先，我们将 z-可识别性推广到 Z 不一定与 X 不相交的情形。随后，我们建立了基于广义 z-可识别性和可迁移性的 z-可迁移性的充要条件。我们提供了一个正确且完备的算法，用于判定因果效应是否具有 z-可迁移性；若是，则生成一个迁移公式，即利用源域中对 Z 的实验操纵结果和目标域中的观测数据，估计目标域中 X 对 Y 的因果效应的方案。我们的结果还表明，do-演算对于 z-可迁移性是完备的。
引用
@article{arxiv.1309.6842,
title = {Causal Transportability of Experiments on Controllable Subsets of Variables: z-Transportability},
author = {Sanghack Lee and Vasant Honavar},
journal= {arXiv preprint arXiv:1309.6842},
year = {2013}
}
备注
Appears in Proceedings of the Twenty-Ninth Conference on Uncertainty in Artificial Intelligence (UAI2013)