论不变因果预测的误差控制

不变因果预测提供了一个有用的框架，用于利用来自多个环境的异质数据识别响应变量的因果预测因子。原始不变因果预测方法的一个有价值特性是，它以高概率保证不会出现错误的因果发现。然而，这种保证在某些应用中可能过于保守，导致很少或没有因果发现。这引出了一个自然的问题：能否为不变因果预测配备不那么保守的误差保证，从而从数据中提取更多的因果信息？在本文中，我们通过关注两种广泛使用且更宽松的保证来回答这个问题：错误发现率控制和同时真发现界。我们方法的一个关键步骤是将不变因果预测重新表述为多重检验问题。然后，我们采用 e-Closure 原理来获得（同时）错误发现率控制，并配合针对此设置量身定制的新型 p-to-e 校准器。我们还通过封闭检验推导出同时真发现界，这些界限在不要求额外假设的情况下提供了额外的因果信息，并保留了原始不变因果预测方法的所有发现。通过模拟和一项关于美国青少年教育程度的真实数据应用，我们表明这些更宽松的误差控制保证可以提高不变因果预测的实用性。