联合干预与观测数据：有向无环图干预马尔可夫等价类的估计
统计理论
2014-06-03 v1 统计方法学
统计理论
摘要
在许多应用中，我们同时拥有观测数据和（随机化）干预数据。我们提出了一个高斯似然框架，用于对此类不同数据类型的联合建模，该框架基于由有向无环图 (DAG) 及其对应的边权重和误差方差组成的全局参数。得益于参数的全局性质，即使每次干预只有一个或少数几个数据点，最大似然估计也是合理的。我们证明了 BIC 准则在估计 DAG 的干预马尔可夫等价类时的一致性，由于干预数据增加了部分可识别性，该类小于观测类比。这种可识别性的改进对推断因果效应的更紧界限具有直接意义。除了方法和理论推导外，我们还展示了来自真实数据和模拟数据的实证结果。
引用
@article{arxiv.1303.3216,
title = {Jointly interventional and observational data: estimation of interventional Markov equivalence classes of directed acyclic graphs},
author = {Alain Hauser and Peter Bühlmann},
journal= {arXiv preprint arXiv:1303.3216},
year = {2014}
}