基于 Verma 约束的前门模型可检验性研究
统计方法学
2022-06-20 v2 机器学习
摘要
前门准则可用于在处置与结果之间存在未测量混杂因子的情况下识别并计算因果效应。然而，其关键假设——（i）存在一个（或一组）变量完全中介处置对结果的作用，且（ii）该变量同时不会像处置-结果对那样遭受类似的混杂问题——常被认为难以成立。本文探讨这些假设的可检验性。我们表明，在涉及辅助变量的温和条件下，前门模型（及其简单扩展）中所编码的假设可通过广义等式约束（亦称 Verma 约束）进行检验。我们基于该观察提出两种拟合优度检验，并在真实与合成数据上评估我们方法的有效性。我们还提供了与处理未测量混杂的工具变量方法的理论与实证比较。
引用
@article{arxiv.2203.00161,
title = {On Testability of the Front-Door Model via Verma Constraints},
author = {Rohit Bhattacharya and Razieh Nabi},
journal= {arXiv preprint arXiv:2203.00161},
year = {2022}
}
备注
17 pages. In proceedings of the 38th Conference on Uncertainty in Artificial Intelligence