利用辅助变量将知识引入结构方程模型
统计方法学
2016-05-04 v3 人工智能
摘要
在本文中，我们通过允许以非零参数值形式的背景知识，扩展了基于图的识别方法。此类信息可例如从先前进行的随机实验、对该领域的实质理解、甚至一种识别技术中获得。为了系统地纳入此类信息，我们提出在模型中加入辅助变量，其构造使得某些路径可便捷地相消。这种相消使得辅助变量能够帮助常规的识别方法（例如单门准则、工具变量、半 trek 准则），以及模型检验（例如 d-分离、过度识别）。此外，通过迭代交替识别与添加辅助变量的步骤，我们得以通过一种不需要外部知识的自助法(bootstrapping)方法来提升现有识别方法的效力。我们将此方法应用于简单工具集（工具变量的推广）并表明所得方法能够识别出的模型数量至少与迄今已知的线性系统最通用识别方法一样多。我们进一步讨论了辅助变量在模型检验与 z-识别任务中的应用。
引用
@article{arxiv.1511.02995,
title = {Incorporating Knowledge into Structural Equation Models using Auxiliary Variables},
author = {Bryant Chen and Judea Pearl and Elias Bareinboim},
journal= {arXiv preprint arXiv:1511.02995},
year = {2016}
}