Operationalizing Complex Causes: A Pragmatic View of Mediation
复杂原因的可操作化：中介分析的务实视角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：摘要以复杂对象的干预因果响应估计和中介识别为核心研究问题。
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…
复杂原因的可操作化：中介分析的务实视角
- 研究问题
- 对于文本、图像和基因组等复杂对象，当无法直接操纵其细微组成、只能实施间接干预时，如何估计因果响应并识别相关中介？
- 方法与思路
- 作者形式化间接干预问题，在给定候选中介集合后，提出预测干预因果响应的两步方法，以及识别这些干预中介的检验程序。
- 材料陈述的贡献
- 摘要称，模拟与受现实启发的例子表明，该方法能够利用新处理机制下的有限数据，较有效地估计间接干预的效果。
- 阅读关注点
- 应核对间接干预与中介的形式定义、两步预测的识别条件，以及候选中介遗漏和新旧处理机制差异对估计与检验的影响。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实。摘要未说明中介识别假设、检验误差控制或数据需求，所举例子也不等同于真实应用验证。
原文摘要
We examine the problem of causal response estimation for complex objects (e.g., text, images, genomics). In this setting, classical \emph{atomic} interventions are often not available (e.g., changes to characters, pixels, DNA base-pairs). Instead, we only have access to indirect or \emph{crude} interventions (e.g., enrolling in a writing program, modifying a scene, applying a gene therapy). In this work, we formalize this problem and provide an initial solution. Given a collection of candidate mediators, we propose (a) a two-step method for predicting the causal responses of crude interventions; and (b) a testing procedure to identify mediators of crude interventions. We demonstrate, on a range of simulated and real-world-inspired examples, that our approach allows us to efficiently estimate the effect of crude interventions with limited data from new treatment regimes.