On the Granularity of Causal Effect Identifiability
因果效应可识别性的粒度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：摘要直接讨论干预效应的可识别性，以及额外独立性知识和状态约束的识别作用，文本依据集中于因果推断。
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
因果效应可识别性的粒度
- 研究问题
- 特定处理状态对特定结果状态的因果效应，是否可能在整体变量层面的效应不可识别时仍可识别，额外知识如何影响这一差异？
- 方法与思路
- 作者区分状态层面与变量层面的可识别性，分析情境特定独立性和变量状态约束，并提出利用这些额外约束识别因果效应的方法。
- 材料陈述的贡献
- 摘要称两种粒度的可识别性可以分离，但这种分离仅在存在额外知识时发生；状态约束结合其他知识还可改善两类识别。
- 阅读关注点
- 应核对状态效应的形式化定义、两种识别粒度分离的条件、不同知识约束如何结合，以及识别方法的适用范围和完整性。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列出完整定理条件、识别算法细节或经验研究的具体设计。
原文摘要
The classical notion of causal effect identifiability is defined in terms of treatment and outcome variables. In this paper, we consider the identifiability of state-based causal effects: how an intervention on a particular state of treatment variables affects a particular state of outcome variables. We demonstrate that state-based causal effects may be identifiable even when variable-based causal effects may not. Moreover, we show that this separation occurs only when additional knowledge -- such as context-specific independencies -- is available. We further examine knowledge that constrains the states of variables, and show that such knowledge can improve both variable-based and state-based identifiability when combined with other knowledge such as context-specific independencies. We finally propose an approach for identifying causal effects under these additional constraints, and conduct empirical studies to further illustrate the separations between the two levels of identifiability.