因果框架比较：潜在结果、结构模型、图与抽象
统计方法学
2023-11-08 v2 人工智能
机器学习
计算机科学中的逻辑
机器学习
摘要
本文旨在清晰而精确地阐明用于因果推断的 Rubin 因果模型（RCM）与结构因果模型（SCM）框架之间的关系。采用中立的逻辑视角并借鉴先前工作，我们展示了将一个 RCM 表示为 SCM 所需的条件。随后一个关键结果表明，每一个 RCM——包括那些违背 SCM 框架所隐含代数原则的 RCM——都作为某个可表示 RCM 的抽象而出现。最后，我们通过 pinpointing SCM 原则在 RCM 经典应用中的重要角色，说明了这一调和视角的威力；反之，我们给出了由图所隐含的代数约束的刻画，有助于进一步 substantiate 两个框架之间的比较。
引用
@article{arxiv.2306.14351,
title = {Comparing Causal Frameworks: Potential Outcomes, Structural Models, Graphs, and Abstractions},
author = {Duligur Ibeling and Thomas Icard},
journal= {arXiv preprint arXiv:2306.14351},
year = {2023}
}
备注
NeurIPS 2023