从二元数据推断经验因果图以支持多维贫困分析的框架
统计方法学
2023-05-11 v3 计算机与社会
机器学习
社会与信息网络
摘要
贫困是人类面临的基本问题之一。要解决贫困问题，需了解问题的严重程度。多维贫困指数（MPI）是一种著名的方法，用于衡量给定区域贫困问题的程度。计算 MPI 需要 MPI 指标的信息，这些指标是通过调查收集的\textbf{二元变量}，代表贫困的不同方面，如缺乏教育、健康、生活条件等。推断 MPI 指标对 MPI 指数的影响可用传统回归方法解决。然而，解决一个 MPI 指标是否可能解决或引发其他 MPI 指标中的更多问题并不明显，且尚无专门框架用于推断 MPI 指标间的经验因果关系。本工作中，我们提出一个框架以推断贫困调查中二元变量的因果关系。我们的方法在已知真实值的模拟数据集中表现优于基线方法，并在双胞胎出生数据集中正确发现了因果关系。在泰国贫困调查数据集中，该框架发现了吸烟与饮酒问题间的因果关系。我们提供了 R CRAN 包 `BiCausality'，可用于贫困分析背景之外的任何二元变量。
引用
@article{arxiv.2205.06131,
title = {Framework for inferring empirical causal graphs from binary data to support multidimensional poverty analysis},
author = {Chainarong Amornbunchornvej and Navaporn Surasvadi and Anon Plangprasopchok and Suttipong Thajchayapong},
journal= {arXiv preprint arXiv:2205.06131},
year = {2023}
}
备注
The accepted version by Heliyon. The latest version of R package can be found at https://github.com/DarkEyes/BiCausality