因果线性模型中通过调整实现高效总效应估计的图准则
统计理论
2022-05-11 v2 统计理论
摘要
协变量调整是用于总因果效应估计的常用方法。近年来，已发展出图准则以识别所有有效调整集，即所有可用于此目的的协变量集。不同的有效调整集通常给出精度各异的总效应估计。限于因果线性模型，我们引入一种图准则来比较某些有效调整集所提供的渐近方差。我们利用该结果开发两种进一步的图工具。首先，我们针对任意给定有效调整集引入简单的方差缩减剪枝过程。其次，我们给出在所有有效调整集中提供最优渐近方差的有效调整集的图刻画。我们的结果仅依赖于图结构，而不依赖于底层因果线性模型的具体误差方差或边系数。它们可应用于有向无环图（DAG）、补全部分有向无环图（CPDAG）和最大定向部分有向无环图（最大 PDAG）。我们给出模拟与真实数据示例以支持我们的结果并展示其实用性。
引用
@article{arxiv.1907.02435,
title = {Graphical Criteria for Efficient Total Effect Estimation via Adjustment in Causal Linear Models},
author = {Leonard Henckel and Emilija Perković and Marloes H. Maathuis},
journal= {arXiv preprint arXiv:1907.02435},
year = {2022}
}
备注
63 pages, 17 figures