从观测数据中发现祖先工具变量用于因果推断
人工智能
2022-06-07 v1 机器学习
摘要
工具变量（IV）是一种强有力的手段，即便在处理变量与结果变量之间存在潜在混杂因子时，也能从观测数据推断处理对关注结果的因果效应。然而，现有 IV 方法要求借助领域知识选定并论证一个 IV。无效的 IV 可能导致有偏估计。因此，发现有效 IV 对 IV 方法的应用至关重要。本文在温和假设下研究并设计了一种数据驱动算法，从数据中发现有效 IV。我们基于偏祖先图（PAGs）发展理论，以支持搜索一组候选祖先工具变量（AIVs），并对每个可能的 AIV 确定其条件集。基于该理论，我们提出了一种数据驱动算法，从数据中发现一对 IV。在合成与真实数据集上的实验表明，所开发的 IV 发现算法相较于当前最优的基于 IV 的因果效应估计器给出了准确的因果效应估计。
引用
@article{arxiv.2206.01931,
title = {Discovering Ancestral Instrumental Variables for Causal Inference from Observational Data},
author = {Debo Cheng and Jiuyong Li and Lin Liu and Kui Yu and Thuc Duy Lee and Jixue Liu},
journal= {arXiv preprint arXiv:2206.01931},
year = {2022}
}
备注
10 pages, 5 figures and 1 table