单连通路径图中部分协方差的因式分解

何塞·佩尼亚
因果学习和推理第二届会议记录，PMLR 213:814-8492023年。

摘要

我们扩展了路径分析，证明了对于单连通路径图，两个随机变量的部分协方差分解了变量之间路径中的节点和边。这个结果使我们能够确定每个节点和边对偏协方差的贡献。它还使我们能够证明，在单连通路径图中，辛普森悖论是不可能发生的。

引用本文

BibTeX公司
@在诉讼中{pmlr-v213-pena23a，title＝{单连通路径图中部分协方差的因子分解}，author={佩纳，何塞}，booktitle={因果学习和推理第二届会议记录}，页数={814--849}，年份={2023}，editor={van der Schaar，Mihaela和Zhang，Cheng和Janzing，Dominik}，体积={213}，series={机器学习研究论文集}，月={4月11日--14日}，publisher={PMLR}，pdf={https://proceedings.mlr.press/v213/pena23a/pena23a.pdf},url={https://proceedings.mlr.press/v213/pena23a.html},抽象={我们扩展了路径分析，证明了对于单连通路径图，两个随机变量的偏协方差分解了变量之间路径中的节点和边。这个结果允许我们确定每个节点和边对偏协方差的贡献。它还允许我们证明辛普森佯谬不能出现在单连接路径图中。}}
尾注
%0会议论文%单连通路径图中部分协方差的T分解%何塞·佩尼亚%第二届因果学习和推理会议记录%C机器学习研究进展%D 2023年%E米哈拉·范德沙尔%E Cheng Zhang先生%E多米尼克·詹津%F pmlr-v213-pena23a型%我PMLR%电话814--849%U型https://proceedings.mlr.press/v213/pena23a.html%V 213版%我们通过证明，对于单连通路径图，两个随机变量的偏协方差分解了变量之间路径中的节点和边，从而扩展了路径分析。该结果允许我们确定每个节点和边对偏协方差的贡献。它还使我们能够证明，在单连通路径图中，辛普森悖论是不可能发生的。
阿帕
佩尼亚，J.（2023）。单连通路径图中部分协方差的因式分解。因果学习和推理第二届会议记录，英寸机器学习研究进展213:814-849网址：https://proceedings.mlr.press/v213/pena23a.html。

相关材料