Chain Graph Models and their Causal Interpretations
链图模型及其因果解释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。
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：摘要明确讨论因果解释与干预理论的扩展，支持因果推断分类；图结构本身不足以归为网络干扰。
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…
链图模型及其因果解释
- 研究问题
- 链图所表达的条件独立关系应如何理解，如何赋予含反馈的模型有效因果解释，并避免错误使用背景知识？
- 方法与思路
- 作者将链图对应的分布解释为含反馈动态模型的均衡分布，由此建立干预理论，并与联立方程模型比较。
- 材料陈述的贡献
- 摘要称提供有效的动态解释，将有向无环图的干预理论扩展至链图，并指出若干看似合理解释的缺陷。
- 阅读关注点
- 应核对动态模型如何产生链图分布、均衡与干预的定义，以及其与计量联立方程模型在因果含义上的差异。
- 阅读边界
- 仅据所给 Crossref 摘要；动态与均衡条件、干预识别要求未说明，不能认定任意反馈系统均具有该解释。
原文摘要
Summary Chain graphs are a natural generalization of directed acyclic graphs and undirected graphs. However, the apparent simplicity of chain graphs belies the subtlety of the conditional independence hypotheses that they represent. There are many simple and apparently plausible, but ultimately fallacious, interpretations of chain graphs that are often invoked, implicitly or explicitly. These interpretations also lead to flawed methods for applying background knowledge to model selection. We present a valid interpretation by showing how the distribution corresponding to a chain graph may be generated from the equilibrium distributions of dynamic models with feed-back. These dynamic interpretations lead to a simple theory of intervention, extending the theory developed for directed acyclic graphs. Finally, we contrast chain graph models under this interpretation with simultaneous equation models which have traditionally been used to model feed-back in econometrics.