697
个编辑
更改
→基于结构因果模型的因果效应度量
=== 反事实分析 ===
=== 反事实分析 ===
[[反事实]]在因果科学中指的是如果在发生<math>X = x</math>，同时又出现了结果<math>Y</math>的情况下，若<math>X = x'</math>，<math>Y</math>仍然发生的可能性有多大，表示为<math>P(Y_{X = x'}|X = x,Z)</math>。反事实讨论的是原因的必要性，反映了人类的反思和回顾，这是人类智能中的核心部分。在反事实分析中，引入了Do演算<math>\text{do}(X = x)</math>，即对于变量<math>X</math>强制设为<math>x</math>，反映了对于现实世界的一种干预。如果在现实世界<math>Z</math>中实施了操作<math>\text{do}(X = x)</math>，则结果是<math>P(Y|\text{do}(X = x),Z)</math>，若改为反事实操作<math>\text{do}(X = x')</math>，即做了<math>X</math>的另一种替换操作，所得到的结果应该是<math>P(Y|\text{do}(X = x'),Z^{*})</math>，其中<math>Z^{*}</math>是所谓的与<math>Z</math>最邻近的假设世界，即在<math>Z^{*}</math>与<math>Z</math>中，所有不受<math>X</math>影响的变量都取相同的值。以前也有过各种关于反事实的定义，但是大多数含义是模糊的或者难以识别的，没有严格区分现实世界与假设世界的异同。例如有些定义将反事实放在另一个更一般的世界中，这可能与反事实概念的初衷相违。有些定义用自然语言描述，无法转化为数学公式，从而难以具体计算。而珀尔的定义则语义明确，在很多情况下，又易于在计算机上进行运算。更重要的，该定义与人们的常识较为吻合，有利于与现有的知识体系相结合。反事实在日常生活和科学论述中是大量出现的。尽管从数学上说，珀尔对于反事实的定义仍然是一种约定，却是目前关于反事实推断的最为清晰、涵盖面最广以及最便于在实际中应用的概念。
[[反事实]]在因果科学中指的是如果在发生<math>X = x</math>，同时又出现了结果<math>Y</math>的情况下，若<math>X = x'</math>，<math>Y</math>仍然发生的可能性有多大，表示为<math>P(Y_{X = x'}|X = x,Z)</math>。反事实讨论的是原因的必要性，反映了人类的反思和回顾，这是人类智能中的核心部分。在反事实分析中，引入了Do演算<math>\text{do}(X = x)</math>，即对于变量<math>X</math>强制设为<math>x</math>，反映了对于现实世界的一种干预。如果在现实世界<math>Z</math>中实施了操作<math>\text{do}(X = x)</math>，则结果是<math>P(Y|\text{do}(X = x),Z)</math>，若改为反事实操作<math>\text{do}(X = x')</math>，即做了<math>X</math>的另一种替换操作，所得到的结果应该是<math>P(Y|\text{do}(X = x'),Z^{*})</math>，其中<math>Z^{*}</math>是所谓的与<math>Z</math>最邻近的假设世界，即在<math>Z^{*}</math>与<math>Z</math>中，所有不受<math>X</math>影响的变量都取相同的值。以前也有过各种关于反事实的定义，但是大多数含义是模糊的或者难以识别的，没有严格区分现实世界与假设世界的异同。例如有些定义将反事实放在另一个更一般的世界中，这可能与反事实概念的初衷相违。有些定义用自然语言描述，无法转化为数学公式，从而难以具体计算。而珀尔的定义则语义明确，在很多情况下，又易于在计算机上进行运算。更重要的，该定义与人们的常识较为吻合，有利于与现有的知识体系相结合。反事实在日常生活和科学论述中是大量出现的。尽管从数学上说，珀尔对于反事实的定义仍然是一种约定，却是目前关于反事实推断的最为清晰、涵盖面最广以及最便于在实际中应用的概念。
=== 结构因果模型与潜在结果理论的等价性 ===
=== 结构因果模型与潜在结果理论的等价性 ===
朱迪亚·珀尔（Judea Pearl）在其著作中系统地阐述了结构因果模型（SCM）与潜在结果理论之间的等价性<ref name="pearl_2009"/>。尽管他并未以“严格数学等价”的术语表述两者的关系，但他在书中通过以下方式证明了这两种框架在因果推断中的实质一致性：
朱迪亚·珀尔（Judea Pearl）在其著作中系统地阐述了结构因果模型（SCM）与潜在结果理论之间的等价性<ref name="pearl_2009"/>。尽管他并未以“严格数学等价”的术语表述两者的关系，但他在书中通过以下方式证明了这两种框架在因果推断中的实质一致性：
2. 反事实与do-算子的对应：
2. 反事实与do-算子的对应：
潜在结果框架中的反事实问题（如“若 <math>X</math> 为 <math>x</math>，则 <math>Y</math> 会如何？”）在SCM中通过 <math>do(X=x)</math> 操作实现，两者在逻辑上完全等价。
潜在结果框架中的反事实问题（如“若 <math>X</math> 为 <math>x</math>，则 <math>Y</math> 会如何？”）在SCM中通过 <math>do(X=x)</math> 操作实现，两者在逻辑上完全等价。
=== 因果效应的概率表达 ===
Judea Pearl在2000年发表的著作<ref name=pearl_2009/>中通过通过结构因果模型引入干预操作（[[Do演算]]），将因果效应量化为干预操作下的概率差异，通过干预操作解决了混杂变量问题，使概率提升真正成为可操作的因果标准。公式如下：
<math>\Delta = P(Y \mid do(X=x), Z) - P(Y \mid do(X=x'), Z)</math>
其中：
<math>do(X=x)</math>表示对变量<math>X</math>进行人为干预，将其固定为某个值<math>x</math>；
<math>Y</math>是结果变量，<math>Z</math>是背景条件（控制变量）；
<math>x</math>和<math>x'</math>代表<math>X</math>的两种不同干预状态（例如服药与不服药）。
对于潜在结果理论的二元变量（如<math>X=1</math>表示服药，<math>X=0</math>表示不服药），平均因果效应可简化为：
<math>ACE = P(Y=1 \mid do(X=1)) - P(Y=1 \mid do(X=0))</math>
== 基于有效信息的因果效应度量 ==
== 基于有效信息的因果效应度量 ==