Conditional Adjustment in a Markov Equivalence Class
马尔可夫等价类中的条件协变量调整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：摘要直接研究因果图等价类中的协变量调整和条件因果效应识别。
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
马尔可夫等价类中的条件协变量调整
- 研究问题
- 当因果图仅已知到 MPDAG 或 PAG 所代表的等价类时，如何寻找调整集，以识别给定未受处理影响变量后的条件因果效应？
- 方法与思路
- 作者在两类图中定义条件调整集，提出必要且充分的图形判据，并给出可直接从图中构造、满足该判据的显式调整集合。
- 材料陈述的贡献
- 摘要称，条件调整判据完整刻画了所研究设置中的可行调整集，并提供用于条件因果效应识别的具体集合构造。
- 阅读关注点
- 应核对条件变量不受处理影响的定义、两类图的语义、必要充分性的适用范围，以及显式集合构造在实例中的使用方式。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及接收状态未核实；摘要未展开图形判据，也未讨论因果图误判或估计图带来的不确定性。
原文摘要
We consider the problem of identifying a conditional causal effect through covariate adjustment. We focus on the setting where the causal graph is known up to one of two types of graphs: a maximally oriented partially directed acyclic graph (MPDAG) or a partial ancestral graph (PAG). Both MPDAGs and PAGs represent equivalence classes of possible underlying causal models. After defining adjustment sets in this setting, we provide a necessary and sufficient graphical criterion -- the conditional adjustment criterion -- for finding these sets under conditioning on variables unaffected by treatment. We further provide explicit sets from the graph that satisfy the conditional adjustment criterion, and therefore, can be used as adjustment sets for conditional causal effect identification.