Falsification of Unconfoundedness by Testing Independence of Causal Mechanisms
通过检验因果机制独立性证伪无混杂假设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：摘要直接涉及观测处理效应识别中的无混杂假设及其跨环境证伪检验。
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…
通过检验因果机制独立性证伪无混杂假设
- 研究问题
- 在多个异质环境的观测数据中，能否通过观察到的因果机制依赖性证伪无未测量混杂假设，而无需随机试验数据？
- 方法与思路
- 作者利用未测量混杂可能使观测机制呈现依赖的现象，提出两阶段依赖检测程序，并考察环境直接影响结果的情形。
- 材料陈述的贡献
- 摘要称该程序控制假阳性并具有较高检验功效，在环境直接影响结果、违反可迁移性时仍可运作，模拟与半合成数据支持其表现。
- 阅读关注点
- 核对机制独立性的定义、跨环境变化要求、两阶段检验的错误率条件，以及环境直接作用和其他依赖来源的区分。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未说明全部有效性条件，未拒绝检验不能证明不存在未测量混杂。
原文摘要
A major challenge in estimating treatment effects in observational studies is the reliance on untestable conditions such as the assumption of no unmeasured confounding. In this work, we propose an algorithm that can falsify the assumption of no unmeasured confounding in a setting with observational data from multiple heterogeneous sources, which we refer to as environments. Our proposed falsification strategy leverages a key observation that unmeasured confounding can cause observed causal mechanisms to appear dependent. Building on this observation, we develop a novel two-stage procedure that detects these dependencies with high statistical power while controlling false positives. The algorithm does not require access to randomized data and, in contrast to other falsification approaches, functions even under transportability violations when the environment has a direct effect on the outcome of interest. To showcase the practical relevance of our approach, we show that our method is able to efficiently detect confounding on both simulated and semi-synthetic data.