Average Controlled and Average Natural Micro Direct Effects in Summary Causal Graphs
汇总因果图中的平均受控与平均自然微观直接效应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：摘要直接讨论因果图、隐藏混杂和受控及自然直接效应的识别。
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
汇总因果图中的平均受控与平均自然微观直接效应
- 研究问题
- 当汇总因果图省略时间信息、允许动态循环及隐藏混杂时，如何定义并识别非参数的平均受控与平均自然微观直接效应？
- 方法与思路
- 作者研究汇总图所表示因果系统中的直接效应识别，给出隐藏混杂存在时的充分条件，并分析无隐藏混杂时的调整识别。
- 材料陈述的贡献
- 摘要称，两类微观直接效应均有识别充分条件；对受控效应，这些条件在无隐藏混杂且仅考虑调整识别时也必要。
- 阅读关注点
- 应核对微观效应与汇总图的对应关系、时间信息缺失如何处理，以及充分条件和受限必要性结果的精确范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列出图形条件、识别公式或估计方法，不能自行补全其适用要求。
原文摘要
In this paper, we investigate the identifiability of average controlled direct effects and average natural direct effects in causal systems represented by summary causal graphs, which are abstractions of full causal graphs, often used in dynamic systems where cycles and omitted temporal information complicate causal inference. Unlike in the traditional linear setting, where direct effects are typically easier to identify and estimate, non-parametric direct effects, which are crucial for handling real-world complexities, particularly in epidemiological contexts where relationships between variables (e.g, genetic, environmental, and behavioral factors) are often non-linear, are much harder to define and identify. In particular, we give sufficient conditions for identifying average controlled micro direct effect and average natural micro direct effect from summary causal graphs in the presence of hidden confounding. Furthermore, we show that the conditions given for the average controlled micro direct effect become also necessary in the setting where there is no hidden confounding and where we are only interested in identifiability by adjustment.