中文

外部效度:从Do-演算到跨人群的可迁移性

统计方法学 2015-03-06 v1 人工智能

摘要

经验发现推广到新环境、设置或人群(常称为“外部效度”)在大多数科学探索中至关重要。本文处理一个特定的可推广性问题,称为“可迁移性”,其定义为将实验研究中学习的因果效应转移到只能进行观察性研究的新人群中的许可。我们引入一种称为“选择图”的形式化表示,用于表达有关感兴趣人群之间差异与共同点的知识,并利用该表示将可迁移性问题归约为do-演算中的符号推导。这一归约产生了基于图的程序,用于在观察任何数据之前,决定目标人群中的因果效应是否可以从研究人群的实验发现中推断。当答案为肯定时,这些程序识别需要从两人群获取哪些实验与观察发现,以及应如何组合它们以确保无偏迁移。

关键词

引用

@article{arxiv.1503.01603,
  title  = {External Validity: From Do-Calculus to Transportability Across Populations},
  author = {Judea Pearl and Elias Bareinboim},
  journal= {arXiv preprint arXiv:1503.01603},
  year   = {2015}
}

备注

Published in at http://dx.doi.org/10.1214/14-STS486 the Statistical Science (http://www.imstat.org/sts/) by the Institute of Mathematical Statistics (http://www.imstat.org). arXiv admin note: text overlap with arXiv:1312.7485