反事实环图：面向稳健与连贯反事实传输的框架
统计方法学
2025-09-26 v4 统计理论
机器学习
统计理论
摘要
估计反事实结果上的联合分布（即耦合关系）是个人化决策和治疗风险评估的核心任务。当前两类在可识别性保证方面表现突出的框架分别是：（i）双射结构因果模型（SCM），灵活但对误指定的潜在噪声敏感；（ii）最优传输（OT）方法，无需潜在噪声假设，但可能产生不连贯的反事实传输，从而无法识别高阶耦合关系。本文通过“反事实环图”（counterfactual cocycles）构建桥梁，提出一种基于代数结构的反事实传输框架，以提供连贯性和可识别性保证。每个反事实环图对应一类SCM，但环图对潜在噪声分布不变，这使我们能够规避各种误指定问题。我们刻画了所有可识别反事实环图的结构；提出灵活的模型参数化方法；引入一种无需任何分布假设的新型环图估计器；并推导了所得反事实推断方法的误指定鲁棒性。我们在合成基准测试和401(k)资格审核研究中展示了反事实环图在状态-of-the-art性能和噪声鲁棒性方面的卓越表现。
引用
@article{arxiv.2405.13844,
title = {Counterfactual Cocycles: A Framework for Robust and Coherent Counterfactual Transports},
author = {Hugh Dance and Benjamin Bloem-Reddy},
journal= {arXiv preprint arXiv:2405.13844},
year = {2025}
}
备注
Fixed typo on p.10 + minor update to experimental results