用于估计因果效应的局部因果发现
机器学习
2024-04-11 v4 统计方法学
摘要
即使我们数据背后的因果图未知，我们也可以利用观测数据来缩小平均处理效应（ATE）可能取值的范围，方法是：（1）将图识别到马尔可夫等价类；（2）对该类中每个图估计该 ATE。虽然 PC 算法可以在强忠实性假设下识别该类，但其计算代价可能过高。幸运的是，仅需处理变量周围的局部图结构即可识别可能的 ATE 值集合，局部发现算法正是利用这一事实来提高计算效率。在本文中，我们提出利用急切碰撞体检验的局部发现（LDECC），一种新颖的局部因果发现算法，它利用非屏蔽碰撞体以不同于现有方法的方式确定处理变量父节点的方向。我们证明，存在某些图使得 LDECC 在指数级上优于现有局部发现算法，反之亦然。此外，我们表明 LDECC 与现有算法依赖于不同的忠实性假设，并利用这一见解弱化了识别可能 ATE 值集合所需的假设。
引用
@article{arxiv.2302.08070,
title = {Local Causal Discovery for Estimating Causal Effects},
author = {Shantanu Gupta and David Childers and Zachary C. Lipton},
journal= {arXiv preprint arXiv:2302.08070},
year = {2024}
}
备注
Accepted at CLeaR 2023