必要性与充分性因果概率的半参数高效推断
统计方法学
2024-07-16 v1
摘要
因果归因旨在解释事件或行为发生的原因，这在因果推断中至关重要，并增强我们对因果关系的理解。必要因果概率 (PN) 和充分因果概率 (PS) 是因果推断中最常用的归因量。虽然许多研究探索了 PN 和 PS 的识别或界限，但高效估计尚未得到关注。为填补这一空白，本文在两种识别假设下对 PN 和 PS 的半参数高效估计：强 ignorability 与单调性假设，以及强 ignorability 与条件独立假设。我们分别在两种识别假设下推导了 PN 和 PS 的高效影响函数和半参数效率界限。基于此，我们提出了 PN 和 PS 的高效估计器，并展示了其大样本性质。大量仿真实验验证了我们估计器在与竞争方法相比下的优势。我们将方法应用于一个真实数据集，以评估影响中风的各种风险因素。
引用
@article{arxiv.2407.10185,
title = {Semiparametric Efficient Inference for the Probability of Necessary and Sufficient Causation},
author = {Zhaoqing Tian and Peng Wu},
journal= {arXiv preprint arXiv:2407.10185},
year = {2024}
}