Complete Characterization for Adjustment in Summary Causal Graphs of Time Series
时间序列汇总因果图中调整方法的完整刻画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：摘要明确研究时间序列因果图中的干预效应识别与调整准则。
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…
时间序列汇总因果图中调整方法的完整刻画
- 研究问题
- 仅有真实时间因果图的汇总表示时，多重干预的总因果效应何时能通过调整写成不含 do 算子的观测数据公式？
- 方法与思路
- 作者研究时间序列汇总因果图中的调整准则，提出必要与充分条件，分析其完备性，并提供判断识别问题的伪线性算法。
- 材料陈述的贡献
- 摘要称完整刻画该设定下的调整条件，并证明调整准则的完备性，同时提供计算复杂度受控的识别判定算法。
- 阅读关注点
- 应核对汇总图允许的真实时间图集合、调整与识别完备性的具体含义，以及多重干预、时间滞后和算法复杂度的适用条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未给出图条件、完备性定理范围或伪线性复杂度定义，不能推广到任意时间因果图。
原文摘要
The identifiability problem for interventions aims at assessing whether the total causal effect can be written with a do-free formula, and thus be estimated from observational data only. We study this problem, considering multiple interventions, in the context of time series when only an abstraction of the true causal graph, in the form of a summary causal graph, is available. We propose in particular both necessary and sufficient conditions for the adjustment criterion, which we show is complete in this setting, and provide a pseudo-linear algorithm to decide whether the query is identifiable or not.