变量组因果发现的基础理论
统计方法学
2024-03-20 v3 统计理论
统计理论
摘要
从观测数据中发现因果关系是一项具有挑战性的任务，其依赖于将统计量与图形或代数因果模型相连接的假设。在本文中，我们关注当感兴趣对象为(多变量)随机变量组而非单个(单变量)随机变量时，广泛使用的因果发现假设，这正是气候科学或神经科学等领域中各类问题所面临的情形。若组级因果模型由将微观级模型划分为若干组而导出，我们探究微观级与组级因果发现假设之间的关系。我们研究了诸如因果忠实性之类的假设成立或不成立的条件。我们的分析涵盖含环与双向边的图形因果模型。我们还将分组时间序列因果图及其变体作为我们一般理论框架的特例加以讨论。由此，我们旨在为研究人员开发与应用于变量组的因果发现方法提供坚实的理论基础。
引用
@article{arxiv.2306.07047,
title = {Foundations of Causal Discovery on Groups of Variables},
author = {Jonas Wahl and Urmi Ninad and Jakob Runge},
journal= {arXiv preprint arXiv:2306.07047},
year = {2024}
}
备注
Revised version, minor restructuring. Additional references added. Currently under review. Comments welcome!