论因果图中的有效调整
统计理论
2020-12-23 v2 统计理论
摘要
我们考虑通过协变量调整从观测数据估计总因果效应。理想情况下，调整集应基于给定的因果图（反映对潜在因果结构的认知）来选取。然而，有效的调整集并不唯一。近期研究引入了一种用于“最优”有效调整集（O-set）的图准则。对于给定的图，在某些参数与非参数模型中，通过 O-set 进行调整比其他调整集具有最小渐近方差。本文给出关于 O-set 的三个新结果。第一，我们给出一种新颖且更直观的图刻画：我们证明 O-set 是某个合适潜投影图（我们称之为 forbidden projection）中结果节点（们）的父节点集。一个重要性质是 forbidden projection 保留了所有通过协变量调整估计总因果效应相关的信息，使其本身成为一种有用的方法论工具。第二，我们扩展现有的 IDA 算法以使用 O-set，并论证该算法仍保持半局部性。该实现已置于 R 包 pcalg 中。第三，我们给出在某些假设下 O-set 可被视为流行非图变量选择算法（如逐步后向选择）目标集的论断。
引用
@article{arxiv.2002.06825,
title = {On efficient adjustment in causal graphs},
author = {Janine Witte and Leonard Henckel and Marloes H. Maathuis and Vanessa Didelez},
journal= {arXiv preprint arXiv:2002.06825},
year = {2020}
}
备注
45 pages, 11 figures