Identifying and bounding the probability of necessity for causes of effects with ordinal outcomes
有序结局下原因必要性概率的识别与界限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：摘要明确研究潜在结局联合分布、原因必要性概率的识别与界限，因此归入因果推断。
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
有序结局下原因必要性概率的识别与界限
- 研究问题
- 给定已观察到的处理和有序结局，如何衡量该结果由处理所致的必要性概率，并应对该量涉及潜在结局联合分布的识别困难？
- 方法与思路
- 作者将必要性概率推广到有序结局，提出单调增量处理效应假设进行识别，讨论其可检验含义，并在假设失效时推导界限。
- 材料陈述的贡献
- 摘要称，文章给出有序结局必要性概率的一般定义、基于新假设的识别结果，以及该假设不成立时的显式尖锐大样本界限。
- 阅读关注点
- 应核对必要性事件的定义、单调增量假设与普通单调性的区别，以及可检验限制、界限尖锐性和统计推断方法。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收均未核实；摘要未给出关键假设的数学形式、界限公式或有限样本推断细节。
原文摘要
Although the existing causal inference literature focuses on the forward-looking perspective by estimating effects of causes, the backward-looking perspective can provide insights into causes of effects. In backward-looking causal inference, the probability of necessity measures the probability that a certain event is caused by the treatment given the observed treatment and outcome. Most existing results focus on binary outcomes. Motivated by applications with ordinal outcomes, we propose a general definition of the probability of necessity. However, identifying the probability of necessity is challenging because it involves the joint distribution of the potential outcomes. We propose a novel assumption of monotonic incremental treatment effect to identify the probability of necessity with ordinal outcomes. We also discuss the testable implications of this key identification assumption. When it fails, we derive explicit formulas of the sharp large-sample bounds on the probability of necessity.