Generalization of Pearl's Front-Door Criterion
Pearl 前门准则的推广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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究潜在混杂下总因果效应的图识别条件与前门调整公式，直接属于因果识别理论。
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
Pearl 前门准则的推广
- 研究问题
- 存在潜在混杂时，能否放宽经典前门准则的图条件，使更多观测数据问题仍可使用前门公式识别总因果效应？
- 方法与思路
- 作者提出一组较弱的图条件，论证这些条件足以保证原有前门公式有效，从而扩大前门识别可覆盖的因果图范围。
- 材料陈述的贡献
- 摘要明确陈述的是新的较弱充分条件；虽提出必要且充分刻画的问题，但未声称已经完成这一更强目标。
- 阅读关注点
- 应核对新条件相对经典准则具体放宽了什么、允许哪些潜在混杂，以及充分性证明和新增可识别图例。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列出图条件，不能将该推广解读为前门公式的完整充要刻画。
原文摘要
Pearl's front-door criterion provides a set of sufficient conditions for estimating the total causal effect from observational data in the presence of latent confounding, using the functional P(y | do(x := x*)) = \sum_z P(z | x*) \sum_x P(y | x, z) P(x). An open question is whether these conditions can be generalized to be both necessary and sufficient for the validity of this functional, similar to the generalization achieved for the back-door adjustment criterion by Shpitser. In this paper, we present a new, weakened set of graph-based conditions sufficient for the front-door formula to estimate the total causal effect, expanding the scope of problems amenable to front-door identification.