Chapter 6 Graphical Representation of Causal Effects
本章引入有向无环图(CAG)来表述因果推断模型.
6.1 Causal diagrams
正如上图所示, 因果推断的模型可以用一个有向无环图表示, 如两个变量有直接的连接, 比如\(A \rightarrow Y\), 则表示\(A\)关于\(Y\)存在直接的causal effect, 否则表示不存在直接的causal effect.
当然, 不存在causation并不表示不存在association.
上图表示, \(Y\)受到两个intervention的影响, 同时\(A\)受到\(L\)影响, 所以:
\]
6.2 Causal diagrams and marginal independence
又如上图所示, 由于\(A, Y\)之间没有直接的指向, 所以我们可以断定
\]
但是, 一般来说\(A, Y\)是相关联的, 也就是非独立的.
在另一种情况下, \(A, Y\)之间既没有causation, 也没有association.
这个还是得看technical point啊.
6.3 Causal diagrams and conditional independence
这一节就是讨论在\(L\)已知的情况下的条件独立性.
显然这两种情况下, \(A, Y\)是条件独立的, 因为知道了\(A\)不会对\(Y\)的预测有任何的影响.
这第三种, \(A, Y\)很有可能是条件相关的, 具体还是看原文的例子的解释吧.
6.4 Positivity and consistency in causal diagrams
6.5 A structural classification of bias
这一节主要讲一些偏置, 即什么时候能够准确地计算出causal effect, 有了图模型比较方便说明.
6.6 The structure of effect modification
Fine Point
D-separation
Faithfulness
我们知道\(A, Y|L\)是独立的, 这在causal DAG的马尔可夫性条件下可以推出, faithfulness 就是假设, 当\(A, Y|L\)是独立的时候, \(A, Y|L\)是D-separation的.
Technical Point
Causal directed acyclic graphs
Causal DAG:
倘若节点\(V_j\)没有直接指向\(V_m\), 则表明\(V_j\)关于\(V_m\)没有直接的causal effect;
如果有cause同时作用在两个变量上, 即使该cause没有被观测, 也应该在Causal DAG图中表示出来;
任何变量都是其后代的一个cause.
另外, 针对\(v=(v_1, v_2,\cdots, v_n)\), 假设其满足马尔科夫性, 即
\]
其中\(pa_j\)是\(v_j\)的直接父节点.
Counterfactual models associated with a causal DAG
为了将二者联系起来, 首先我们要给出模型假设(NPSEM):
\]
NPSEM-IE:
\]
FFRCISTGs:
\(V_m^{\bar{v}_{m-1}} = f_m(pa_m, \epsilon_m)\) 与 所有\(V_j^{\bar{v}_{j-1}}=f_j(pa_j, \epsilon_j), j < m\)(且 \(\bar{v}_{j-1}\) 是 \(\bar{v}_{m-1}\)的子集) 联合独立.
上面任一条件我们都能推出马尔科夫性, 以及一些我们需要的可交换性.
最新文章
- java深入技术九 (注解)
- linux 上安装redis
- MVC5中后台提供Json,前台处理Json,绑定给Dropdownlist的例子
- Oracle解锁,解决“ora00054:资源正忙”错误
- PHP判断文件夹是否存在和创建文件夹的方法(递归创建多级目录)
- 【Java每日一题】20161024
- 回顾Spring框架
- Clearing Search Values
- php 遍历一个文件夹下的所有文件和子文件夹
- JAVA Stack栈和Heap堆的区别(转)
- c/c++中main函数参数讲解
- 如何从Apache官网下载apache
- [LeetCode] Repeated String Match 重复字符串匹配
- DDctf 新得
- Ioc原理理解
- phoneGap使用 (MAC)
- Selenium-ActionChainsApi接口详解
- java interface 默认值
- MFC宏
- Iso-seq 必备基础