前门可约性：通过图形准则将 ADMG 简化为标准前门设置

前门校准在经典前门准则下给出简单闭合的 identification 公式，但其适用性常被视为狭窄。相比之下，general ID 算法可以在任意图中识别更多因果效应，却通常输出难以估计和解释的代数复杂表达式。我们展示了许多此类图实际上可以通过前门可约性 (FDR) 简化为标准前门设置，FDR 是一种作用于无环有向混合图的图形条件，将变量聚合为 super-nodes $(\boldsymbol{X}^{*},\boldsymbol{Y}^{*},\boldsymbol{M}^{*})$。我们 characterize FDR 条件，证明其等价于 (在图层面) FDR 调整的存在，并提出 FDR-TID，一种 exact 算法，finds an admissible FDR triple with correctness, completeness, and finite-termination guarantees。empirical examples 显示，许多远离教科书前门设置的图都是 FDR，yielding simple, estimable adjustments where general ID expressions would be cumbersome。FDR 因此通过优先考虑可解释性和计算简单性而不牺牲混合图上的通用性来补充现有的 identification 方法。