Signed Directed Acyclic Graphs for Causal Inference
用于因果推断的带符号有向无环图AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究因果图、干预效应和未观测混杂下的因果判断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
用于因果推断的带符号有向无环图
- 研究问题
- 如何利用因果图上的带符号边及单调效应假设，判断干预效应和协方差的符号，并在混杂变量缺失时提供因果信息？
- 方法与思路
- 作者定义单调效应、弱单调效应和带符号边，建立涉及中间变量的干预效应符号规则及协方差符号规则。
- 材料陈述的贡献
- 摘要称，在一定单调效应假设下，这些规则可用于推断因果效应的存在，即使部分混杂变量没有观测数据。
- 阅读关注点
- 应核对三类概念的定义与区别、路径和中间变量的作用，以及混杂缺失时结论依赖的假设和可判断的效应范围。
- 阅读边界
- 仅据所给Crossref摘要；具体图规则与单调性条件未说明，不能据此宣称一般未观测混杂下可识别效应大小。
原文摘要
Summary Formal rules governing signed edges on causal directed acyclic graphs are described and it is shown how these rules can be useful in reasoning about causality. Specifically, the notions of a monotonic effect, a weak monotonic effect and a signed edge are introduced. Results are developed relating these monotonic effects and signed edges to the sign of the causal effect of an intervention in the presence of intermediate variables. The incorporation of signed edges in the directed acyclic graph causal framework furthermore allows for the development of rules governing the relationship between monotonic effects and the sign of the covariance between two variables. It is shown that when certain assumptions about monotonic effects can be made then these results can be used to draw conclusions about the presence of causal effects even when data are missing on confounding variables.