通过保结构干预量化内在因果贡献

我们提出一种因果影响的概念，描述 DAG 中某节点对目标节点贡献的“内在”部分。通过递归地将每个节点写为上游噪声项的函数，我们将每个节点添加的内在信息与其从祖先获得的信息分离。为将内在信息解释为因果贡献，我们考虑“保结构干预（structure-preserving interventions）”，其以模仿通常对父节点依赖的方式随机化每个节点，且不扰动观测联合分布。为获得关于节点重标记不变的度量，我们使用基于 Shapley 的对称化，并表明在线性情形下其可归约为将目标节点解析为噪声变量后的简单 ANOVA。我们描述了针对方差与熵的贡献分析，但针对其他目标度量的贡献可类似定义。代码可在开源库 DoWhy 的 gcm 包中获取。