摘要
我们假设我们有一个未知的潜在有向无环图(DAG)模型生成的观测数据。DAG通常无法从观测数据中识别,但可以一致地估计DAG的等效类别。此外,对于任何给定的DAG,可以使用干预演算估计因果效应。在本文中,我们将这两部分结合起来。对于估计等价类中的每个DAG,我们使用干预演算来估计协变量对响应的因果影响。这产生了每个协变量的估计因果效应的集合。我们表明,该集合中的不同值可以通过仅使用图的局部信息的算法一致地进行估计。这种局部方法在高维问题中计算速度快且可行。我们建议使用一组可能的因果效应的汇总度量来确定变量的重要性。特别是,我们使用这个集合的最小绝对值,因为这是因果效应大小的下限。我们在模拟研究和核黄素生产数据集上证明了我们的方法的优点。
引用
下载引文
马洛斯·马塔西斯。
马库斯·卡利什。
彼得·比尔曼。
“根据观察数据估计高维干预效果。”
安。统计师。
37
(6A)
3133 - 3164,
2009年12月。
https://doi.org/10.1214/09-AOS685
问询处
发布日期:2009年12月
首次在欧几里得项目中提供:2009年8月17日
数字对象标识符:10.1214/09-AOS685
学科:
主要用户:62-09,62小时99
关键词:因果分析,有向无环图,图形化建模,干预演算,PC-算法,稀疏度
版权所有©2009数学统计研究所