基于外生性区分因果与效应
人工智能
2015-04-23 v1 统计方法学
摘要
结构方程建模的最新进展产生了几种方法，通常能够在双变量情形下区分因果与效应。然而，为此目的必须对函数因果模型施加实质性的结构约束或平滑性假设。本文从一个相关但不同的视角考察确定因果方向的问题，并提出了一种新的因果方向判定框架。我们表明，基于原因对于从原因到效应的生成过程中所涉参数是“外生的”这一条件，可以进行因果推断。通过这种方式，我们避免了基于结构方程模型（SEM）的方法所要求的结构约束。特别是，我们利用非参数方法估计边缘分布和条件分布，并提出一种基于 bootstrap 的方法来检验外生性条件；检验结果指示了两个变量之间的因果方向。所提出的方法在合成数据和真实数据上均得到了验证。
引用
@article{arxiv.1504.05651,
title = {Distinguishing Cause from Effect Based on Exogeneity},
author = {Kun Zhang and Jiji Zhang and Bernhard Schölkopf},
journal= {arXiv preprint arXiv:1504.05651},
year = {2015}
}
备注
11 pages, 4 figures, published in Proceedings of the 15th conference on Theoretical Aspects of Rationality and Knowledge (TARK'15)