Apportioning Causal Responsibility of Two Risk Factors for an Adverse Outcome via Counterfactual Attribution
通过反事实归因分摊两个风险因素的因果责任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：摘要使用潜在结局、无混杂和单调性研究已发生结局的反事实归因与部分识别，直接对应因果推断。
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…
通过反事实归因分摊两个风险因素的因果责任
- 研究问题
- 对于已经发生的不良结局，如何在两个共同作用的二元风险因素之间分摊因果责任，并处理个体潜在因果类型不可观测的问题？
- 方法与思路
- 作者按潜在结局定义个体因果类型，将类型特定责任对其分布取期望，并在无混杂和单调性下分析识别与锐界。
- 材料陈述的贡献
- 摘要称，责任规则满足结构平衡条件时，平均因果责任可非参数识别；不满足时可推导锐界，并以吸烟和石棉归因说明。
- 阅读关注点
- 应核对责任分配规则与结构平衡条件的含义、平均责任所针对的人群，以及无混杂、单调性和锐界可达性的论证。
- 阅读边界
- 这是预印本，同行评审与期刊接收均未核实；摘要未给出平衡条件或界限公式，平均责任不能直接解释为已识别的个体责任。
原文摘要
Unlike traditional causal inference, which prospectively evaluates the effects of causes, apportioning causal responsibility requires a retrospective assessment to deduce the causes of an outcome that has already occurred. This paper proposes a quantitative framework for apportioning causal responsibility between two binary risk factors that jointly contribute to a realized adverse outcome. Ideally, knowing the individual's latent causal type, defined by the potential outcomes under all possible exposure combinations, would allow precise apportionment; however, these potential outcomes cannot be simultaneously observed. We therefore define the average causal responsibility of each risk factor as its expected responsibility over the distribution of latent causal types. Under the assumptions of no confounding and monotonicity, we establish nonparametric identification of this metric when the type-specific responsibilities satisfy a structural balance condition, and derive sharp bounds otherwise. We illustrate the proposed framework using the classic example of lung cancer attributable to smoking and asbestos exposures.