Identifiability of total effects from abstractions of time series causal graphs
从时间序列因果图的抽象表示识别总效应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：摘要明确研究观测时间序列中的干预总效应识别，并以滞后和即时因果关系的图表示为核心。
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…
从时间序列因果图的抽象表示识别总效应
- 研究问题
- 当研究者只能观察真实时间序列因果图的汇总表示时，能否从观测数据识别干预总效应，滞后信息的保留程度如何影响识别？
- 方法与思路
- 作者比较区分滞后与即时关系的扩展汇总图，以及不标记滞后的汇总图，并研究总效应的图上识别条件与调整集合。
- 材料陈述的贡献
- 摘要称，在所研究的扩展汇总图中总效应始终可识别，并为普通汇总图提供充分识别条件及可用于估计的调整集合。
- 阅读关注点
- 应核对两类图的正式定义、允许的底层因果结构，以及“始终可识别”的适用范围，并检查调整集合如何处理时间索引。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核验。摘要未说明完整模型假设，也不能据此把充分条件视为必要条件。
原文摘要
We study the problem of identifiability of the total effect of an intervention from observational time series in the situation, common in practice, where one only has access to abstractions of the true causal graph. We consider here two abstractions: the extended summary causal graph, which conflates all lagged causal relations but distinguishes between lagged and instantaneous relations, and the summary causal graph which does not give any indication about the lag between causal relations. We show that the total effect is always identifiable in extended summary causal graphs and provide sufficient conditions for identifiability in summary causal graphs. We furthermore provide adjustment sets allowing to estimate the total effect whenever it is identifiable.