存在未观测暴露/结果变量的研究中因果效应的评估：界与识别
统计方法学
2012-06-18 v1 人工智能
摘要
本文探讨在存在未观测暴露/结果变量的情况下，利用观测数据评估因果效应的问题，其中变量间的因果关系可由有向无环图及联合分布的相应递归分解来描述。首先，我们提出了当未观测暴露/结果变量包含两个以上类别时因果效应的可识别性准则。其次，当未观测结果变量与其代理变量之间存在未测量变量时，我们基于潜在结果框架提供了最紧的界。本文结果有助于在许多实际领域中，当暴露/结果变量难以观测或观测成本高昂时评估因果效应。
引用
@article{arxiv.1206.3267,
title = {The Evaluation of Causal Effects in Studies with an Unobserved Exposure/Outcome Variable: Bounds and Identification},
author = {Manabu Kuroki and Zhihong Cai},
journal= {arXiv preprint arXiv:1206.3267},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Fourth Conference on Uncertainty in Artificial Intelligence (UAI2008)