On recovering a population covariance matrix in the presence of selection bias
存在选择偏差时总体协方差矩阵的恢复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：摘要明确以选择偏差下的观察数据因果效应识别为研究目标。
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
存在选择偏差时总体协方差矩阵的恢复
- 研究问题
- 研究在线性结构方程框架中，如何利用存在选择偏差的观察数据恢复总体协方差矩阵，为因果效应识别提供统计信息。
- 方法与思路
- 作者提出判别准则，判断观测依赖是否由条件化于共同响应变量产生；若满足该情形，再给出从入选总体恢复全体协方差的表达。
- 材料陈述的贡献
- 摘要称，论文提供选择所致依赖的判别准则及总体协方差恢复方法，从而为使用有选择偏差数据开展可靠因果推断提供指导。
- 阅读关注点
- 应核对共同响应变量的角色、判别准则需要哪些可观测信息，以及协方差恢复的条件和恢复后因果效应识别仍需满足的要求。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未列出恢复和识别的完整条件，不能理解为任意选择机制下都可恢复因果效应。
原文摘要
This paper considers the problem of using observational data in the presence of selection bias to identify causal effects in the framework of linear structural equation models. We propose a criterion for testing whether or not observed statistical dependencies among variables are generated by conditioning on a common response variable. When the answer is affirmative, we further provide formulations for recovering the covariance matrix of the whole population from that of the selected population. The results of this paper provide guidance for reliable causal inference, based on the recovered covariance matrix obtained from the statistical information with selection bias.