แนวคิดหลัก
本文提出了一種新的方法來構建因果排序的信賴集,用於量化因果發現中的不確定性,特別是在識別的結構方程模型中。
本文介紹了一種新的統計方法,用於構建因果排序的信賴集,旨在量化因果發現中的不確定性。與傳統方法僅提供單一因果模型或等價模型類別不同,本文提出的方法側重於確定數據未排除的因果排序的信賴集。
研究背景
因果發現旨在從多元數據集中推斷變量之間的因果關係。確定變量之間的因果排序是定向非循環圖 (DAG) 因果發現中的主要挑戰。雖然已經提出了各種方法來估計單一因果模型或單一等價模型類別,但在根據信賴陳述量化因果發現中的不確定性方面卻很少受到關注。
方法
本文提出的方法專門應用於具有加性誤差的可識別結構方程模型,並且基於殘差自助程序來測試因果排序的擬合優度。通過反轉擬合優度測試來構建信賴集,返回未被測試拒絕的所有排序。
結果
本文證明了使用擬合優度測試構建的信賴集的漸近有效性,並解釋了如何使用該信賴集來形成祖先關係的子集/超集以及包含模型不確定性的因果效應的信賴區間。
結論
本文提出的方法為量化因果發現中的不確定性提供了一個新的框架。通過構建因果排序的信賴集,研究人員可以更全面地了解數據支持哪些因果關係,從而提高因果推論的可靠性和可解釋性。
สถิติ
信賴集包含大約 1/45,000 個可能的總排序。
製造業在化工產業之前,化工產業對製造業的總影響的 90% 信賴區間為 {0} ∪(.268, .413) ∪(.980, 1.093)。