分布一致性结构因果模型

在因果建模领域，潜在结果（PO）和结构因果模型（SCM）是主要框架。然而，这些框架在对反事实进行实际建模时面临显著挑战，反事实被形式化为潜在结果联合分布的参数。反事实推理在当代决策过程中至关重要，特别是在需要基于 $(Y(0), Y(1))$ 的联合值提供个性化激励的场景中。本文首先研究用于建模反事实的 PO 和 SCM 框架。通过分析，我们发现了一种固有的模型容量限制，称为“退化反事实问题”，它源于作为这两个框架基石的一致性规则。为了解决这一限制，我们引入了一种新颖的分布一致性假设，并据此提出了分布一致性结构因果模型（DiscoSCM），以增强建模反事实的能力。为了具体揭示增强的模型容量，我们引入了一个新的可识别因果参数，即一致性概率，该参数仅在 DiscoSCM 中具有实际意义，并通过个性化激励示例进行了展示。此外，我们在 DiscoSCM 框架内提供了关于“因果阶梯”的全面理论结果。我们希望它为未来反事实建模研究开辟新途径，最终增强我们对因果性及其现实应用的理解。