第1行: |
第1行: |
| === 为何需要后门准则 === | | === 为何需要后门准则 === |
− | 在给定被动观察数据时,我们往往需要估计基于非干预数据集中一个变量对另一个变量的因果效应,而因果图是用来表达因果关系的常用方式,因果效应估计也转化为:在什么条件下,因果图结构足以用来计算给定数据集的因果效应,而后门准则是一种基于图方式用来估计因果效应的思想,是基础、简单、非常重要的工具。
| + | 在因果图中,我们往往需要估计变量<math>X</math>对另一个变量<math>Y</math>的因果效应,而因果图结构往往非常复杂,后门准则是用来快速估计因果图中的变量<math>X</math>对另一个变量<math>Y</math>的因果效应的判断准则,是因果推断中使用非常广泛的准则。 |
| | | |
| === 后门准则定义 === | | === 后门准则定义 === |
第13行: |
第13行: |
| === 后门准则背后逻辑 === | | === 后门准则背后逻辑 === |
| | | |
− | 当试图寻找X对Y的因果效应时,目的是寻找一个条件节点集合使得能阻断任何含有指向X的后门路径(指可能使得X和Y相关但并不传递X产生的因果效应),因为如果不阻断这些后门路径,它们会混淆X对Y的效应。
| + | 当试图寻找X对Y的因果效应时,后门准则主要有两个目的: |
| + | ### 阻断任何含有指向<math>Y</math>的后门路径/伪路径; |
| + | ### 确保现有所有从变量<math>X</math>到变量<math>Y</math>的路径不变。 |
| + | |
| + | 为了确保第一个目的,条件节点集合不能包含变量<math>X</math>的后代节点,因为在进行评估<math>X</math>对变量<math>Y</math>的因果效应时,会对变量<math>X</math>采取干预,继而影响变量<math>X</math>的后代节点,从而影响变量<math>Y</math>,但以<math>X</math>的后代节点为条件会阻断这些路径。 |
| + | |
| + | 为了确保第二个目的,我们需要阻断所有一切伪路径以及条件节点集合中引入的新的伪路径。 |
| + | 寻找一个条件节点集合使得能阻断任何含有指向X的后门路径(指可能使得X和Y相关但并不传递X产生的因果效应),因为如果不阻断这些后门路径,它们会混淆X对Y的效应。 |