Local Causal Discovery for Estimating Causal Effects
用于估计因果效应的局部因果发现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：摘要明确将局部因果图发现用于平均处理效应可能取值的识别，直接对应因果推断方向。
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…
用于估计因果效应的局部因果发现
- 研究问题
- 因果图未知时，如何仅学习处理变量附近的局部结构，识别平均处理效应的可能取值集合并减少计算负担？
- 方法与思路
- 作者提出 LDECC，通过提前检查非屏蔽碰撞结构确定处理变量的父节点，并比较其计算复杂度与忠实性要求。
- 材料陈述的贡献
- 摘要称，新旧局部算法在不同图上可互有指数级优势，且所依赖忠实性条件不同，可据此减弱效应集合识别假设。
- 阅读关注点
- 核对局部结构为何足以得到效应集合、碰撞结构定向规则，以及复杂度优势的图条件和弱化后的忠实性假设。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列具体假设，可能效应集合不必等同于唯一因果效应。
原文摘要
Even when the causal graph underlying our data is unknown, we can use observational data to narrow down the possible values that an average treatment effect (ATE) can take by (1) identifying the graph up to a Markov equivalence class; and (2) estimating that ATE for each graph in the class. While the PC algorithm can identify this class under strong faithfulness assumptions, it can be computationally prohibitive. Fortunately, only the local graph structure around the treatment is required to identify the set of possible ATE values, a fact exploited by local discovery algorithms to improve computational efficiency. In this paper, we introduce Local Discovery using Eager Collider Checks (LDECC), a new local causal discovery algorithm that leverages unshielded colliders to orient the treatment's parents differently from existing methods. We show that there exist graphs where LDECC exponentially outperforms existing local discovery algorithms and vice versa. Moreover, we show that LDECC and existing algorithms rely on different faithfulness assumptions, leveraging this insight to weaken the assumptions for identifying the set of possible ATE values.