Covariate Selection for Estimating the Causal Effect of Control Plans by Using Causal Diagrams
利用因果图选择协变量以估计控制方案的因果效应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。
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：摘要明确以因果图和协变量选择研究控制方案的因果效应识别与估计精度。
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
利用因果图选择协变量以估计控制方案的因果效应
- 研究问题
- 在线性结构方程和因果路径图框架下，如何分别选择用于实施控制与用于识别的协变量，并比较不同识别选择的估计精度？
- 方法与思路
- 作者提出图形化协变量选择准则，区分控制变量与识别变量，并用有效控制方案因果效应估计的渐近方差比较识别集合。
- 材料陈述的贡献
- 摘要称，识别协变量的选择依赖控制协变量且并不唯一；文章提供选择准则及基于渐近方差的比较，并给出图结构表述。
- 阅读关注点
- 应核对控制方案的定义、非后代限制的作用、识别集合的图条件，以及渐近方差比较在哪些结构方程与估计条件下成立。
- 阅读边界
- 仅据所给 Crossref 摘要；具体图准则和方差表达式未提供，所述结果处于线性结构方程框架，不能直接外推到非线性情形。
原文摘要
Summary Consider a case where cause–effect relationships between variables can be described by a causal path diagram and the corresponding linear structural equation model. The paper proposes a graphical selection criterion for covariates to estimate the causal effect of a control plan. For designing the control plan, it is essential to determine both covariates that are used for control and covariates that are used for identification. The selection of covariates used for control is only constrained by the requirement that the covariates be non-descendants of a treatment variable. However, the selection of covariates used for identification is dependent on the selection of covariates used for control and is not unique. In the paper, the difference between covariates that are used for identification is evaluated on the basis of the asymptotic variance of the estimated causal effect of an effective control plan. Furthermore, the results can be also described in terms of a graph structure.