连续结果的因果概率：界限与识别
统计方法学
2026-05-05 v1
摘要
事件发生概率 necessity (PN) 衡量的是在无治疗的情况下，该观察事件是否可能不会发生的概率，是归因分析中的核心估计量。虽然 PN 在二元结果和最近发展用于序数结果方面得到广泛研究，但对于连续结果的正式框架仍不完善。为填补这一空白，我们提出连续结果的通用因果概率 (GPN)，这一设定比二元和序数情况更具挑战性。我们不强加强烈的可识别性假设，而采用部分识别视角，基于不可知性和单调性标准假设推导出尖锐的下界和上界。我们进一步引入基于 copula 的框架，利用潜在结果之间的依测信息来紧密这些界限。仿真研究和实际应用表明，我们的方法有效。
引用
@article{arxiv.2605.01883,
title = {Probabilities of Causation for Continuous Outcomes: Bounds and Identification},
author = {Jile Chaoge and Kesen Han and Fahui Liu and Peng Wu},
journal= {arXiv preprint arXiv:2605.01883},
year = {2026}
}