Colored Gaussian directed acyclic graphical models
带颜色约束的高斯有向无环图模型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：摘要明确研究因果图的结构可识别性与因果发现；图中的因果边不足以说明存在经济网络中的溢出或干扰。
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…
带颜色约束的高斯有向无环图模型
- 研究问题
- 在高斯有向无环图中，对误差方差与结构系数施加部分同质性约束，会如何改变马尔可夫性质、结构可识别性与因果发现？
- 方法与思路
- 作者用带颜色的有向无环图表示参数同质性，研究马尔可夫性质与结构识别，并提出学习 BPEC-DAG 的 GES 类算法。
- 材料陈述的贡献
- 摘要称证明若干系数同质模型的结构可识别性，给出学习算法及实证评估，并提供可推广至多类图模型的几何证明工具。
- 阅读关注点
- 应核对颜色编码的参数等式、忠实分布存在与否的条件、结构识别的具体范围，以及 BPEC-DAG 搜索使用的评分规则。
- 阅读边界
- 所据版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未列出完整定理条件，不能将特殊同质模型的识别推广至任意图。
原文摘要
We study submodels of Gaussian DAG models defined by partial homogeneity constraints imposed on the model error variances and structural coefficients. We represent these models with colored DAGs and investigate their properties for use in statistical and causal inference. Local and global Markov properties are provided and shown to characterize the colored DAG model. Additional properties relevant to causal discovery are studied, including the existence and non-existence of faithful distributions and structural identifiability. Extending prior work of Peters and Bühlmann and Wu and Drton, we prove structural identifiability under the assumption of homogeneous structural coefficients, as well as for a family of models with partially homogeneous structural coefficients. The latter models, termed BPEC-DAGs, capture additional causal insights by clustering the direct causes of each node into communities according to their effect on their common target. An analogue of the GES algorithm for learning BPEC-DAGs is given and evaluated on real and synthetic data. Regarding model geometry, we provide a proof of a conjecture of Sullivant which generalizes to colored DAG models, colored undirected graphical models and directed ancestral graph models. The proof yields a tool for identification of Markov properties for any rationally parameterized model with globally, rationally identifiable parameters.