[论文解读] A Complete Generalized Adjustment Criterion

Emilija Perković, Johannes Textor+2 more|arXiv (Cornell University)|Jul 6, 2015

Bayesian Modeling and Causal Inference参考文献 25被引用 18

一句话总结

本文提出了一种统一的、必要且充分的协变量调整准则，适用于四类图形因果模型：DAG、MAG、CPDAG 和 PAG。该准则通过提供一个统一框架，推广了现有准则，能够在存在未观测混杂或部分因果知识的情况下，识别出总因果效应的有效调整集，涵盖先前结果并实现从结构知识不完整的观察数据中进行稳健的因果推断。

ABSTRACT

Covariate adjustment is a widely used approach to estimate total causal effects from observational data. Several graphical criteria have been developed in recent years to identify valid covariates for adjustment from graphical causal models. These criteria can handle multiple causes, latent confounding, or partial knowledge of the causal structure; however, their diversity is confusing and some of them are only sufficient, but not necessary. In this paper, we present a criterion that is necessary and sufficient for four different classes of graphical causal models: directed acyclic graphs (DAGs), maximum ancestral graphs (MAGs), completed partially directed acyclic graphs (CPDAGs), and partial ancestral graphs (PAGs). Our criterion subsumes the existing ones and in this way unifies adjustment set construction for a large set of graph classes.

研究动机与目标

• 解决因不同类型的因果图存在多种不一致的图形化调整准则所导致的混淆。
• 将 DAG、MAG、CPDAG 和 PAG 的现有调整准则统一为一个连贯的框架。
• 提供一个即使在真实因果结构仅部分已知或存在未观测混杂因子的情况下也适用的必要且充分的调整条件。
• 实现仅基于图的马尔可夫等价类，无需完整掌握底层 DAG 或 MAG，即可从观察数据中可靠估计因果效应。
• 将调整准则的适用范围扩展至通常从数据中推断出的部分观测或部分有向图。

提出的方法

• 基于图形模型中的路径阻断条件，提出广义调整准则（GAC）。
• 将调整集定义为能够阻断 X 与 Y 之间所有非因果路径，同时保留因果路径的集合 S。
• 通过在不同图类型间一致地解释路径和边标记，将该准则应用于 DAG、MAG、CPDAG 和 PAG。
• 利用 m-连接路径及撞针/非撞针状态的概念，判断集合 S 是否阻断所有非因果路径。
• 建立有效调整集存在的充要条件与图中路径阻断条件满足之间的等价关系。
• 利用 Zhang（2006, 2008）和 Maathuis & Colombo（2015）的结果，将广义后门准则扩展至 PAG 和 CPDAG。

实验结果

研究问题

• RQ1 能否开发出一个准则，使其在 DAG、MAG、CPDAG 和 PAG 中均既必要又充分地适用于协变量调整？
• RQ2 当真实因果结构仅部分已知或以马尔可夫等价类表示时，如何识别调整集？
• RQ3 在存在未观测混杂因子的图中，何种条件可确保一组协变量阻断 X 与 Y 之间所有非因果路径？
• RQ4 在应用调整准则时，DAG/CPDAG 与 MAG/PAG 之间的边方向解释有何不同？
• RQ5 该准则是否可用于识别对未观测混杂或选择偏倚具有不变性的调整集？

主要发现

• 所提出的广义调整准则在 DAG、MAG、CPDAG 和 PAG 中均既必要又充分，统一了先前的研究结果。
• 该准则正确识别出图 1a 所示 CPDAG 中 {A, Z} 为 X 对 Y 总效应的有效调整集，且在所有马尔可夫等价 DAG 中均有效。
• 该方法可在无需完整掌握底层因果结构的情况下，从观察数据中实现因果效应估计，即使存在未观测混杂因子亦成立。
• 该准则将广义后门准则扩展至 CPDAG 和 PAG，此前仅存在充分条件。
• 该准则揭示了工具变量（即 X 的父节点但非 X 任何后代的父节点）在 MAG 和 PAG 中足以满足可调性，因此可作为调整变量。
• 该方法可识别出对未观测混杂具有鲁棒性的调整集，只要图结构被正确表示为 MAG 或 PAG。