Context-Specific Causal Discovery for Categorical Data Using Staged Trees
利用阶段树开展类别数据的情境特定因果发现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：摘要明确研究类别变量的因果发现、干预相关比较与因果推断，支持因果推断，类别变量本身不足以归入离散选择。
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
利用阶段树开展类别数据的情境特定因果发现
- 研究问题
- 对于类别变量之间依情境变化且不对称的因果关系，如何用阶段树开展因果发现与推断，并比较不同树所表达的因果结论？
- 方法与思路
- 作者基于阶段树的一部分独立关系给出等价类图形表示，并借鉴结构干预距离定义比较因果推断陈述的预度量，辅以模拟和应用。
- 材料陈述的贡献
- 摘要称，首次提供阶段树等价类的一种图形表示，提出新的因果比较预度量，并通过模拟及真实数据展示阶段树分析的用途。
- 阅读关注点
- 核对用于等价类表示的独立关系子集、图形表示保留的信息、预度量性质，以及从观测类别数据识别因果方向所需条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收未核实；摘要未列出因果发现假设及等价类刻画边界，模拟表现不能保证真实因果结构被恢复。
原文摘要
Causal discovery algorithms aim at untangling complex causal relationships from data. Here, we study causal discovery and inference methods based on staged tree models, which can represent complex and asymmetric causal relationships between categorical variables. We provide a first graphical representation of the equivalence class of a staged tree, by looking only at a specific subset of its underlying independences. We further define a new pre-metric, inspired by the widely used structural intervention distance, to quantify the closeness between two staged trees in terms of their corresponding causal inference statements. A simulation study highlights the efficacy of staged trees in uncovering complexes, asymmetric causal relationships from data, and real-world data applications illustrate their use in practical causal analysis.