[论文解读] Selection of identifiability criteria for total effects by using path diagrams

Manabu Kuroki, Zhihong Cai|arXiv (Cornell University)|Jul 7, 2004

Bayesian Modeling and Causal Inference参考文献 13被引用 20

一句话总结

本文比較了 Pearl 的後門、前門及條件工具變量（IV）標準在識別總因果效應上的表現，利用路徑圖分析其漸近變異數。結果顯示，可直接根據圖結構選出最佳標準，以提升估計精確度。

ABSTRACT

Pearl has provided the back door criterion, the front door criterion and the conditional instrumental variable (IV) method as identifiability criteria for total effects. In some situations, these three criteria can be applied to identifying total effects simultaneously. For the purpose of increasing estimating accuracy, this paper compares the three ways of identifying total effects in terms of the asymptotic variance, and concludes that in some situations the superior of them can be recognized directly from the graph structure.

研究动机与目标

• 解決在因果推論中，面對多種有效可識別標準時，應如何選擇的挑戰。
• 透過選擇漸近變異數最低的標準，提升估計精確度。
• 發展一種方法，可直接從圖結構識別出較佳的標準，無需完整估計。
• 根據圖形結構與變異數特性，提供實用的因果效應估計決策規則。

提出的方法

• 使用路徑圖表示因果關係與條件獨立性假設。
• 在同一因果圖上應用 Pearl 的後門、前門及條件 IV 標準，以識別總效應。
• 分析各標準所導出估計器的漸近變異數，以比較精確度。
• 根據圖結構推導出某一標準之漸近變異數低於其他標準的條件。
• 運用圖形標準，直接從 DAG 確定最佳識別策略。
• 透過評估同一因果模型下各策略的變異數界，比較不同識別策略的效率。

实验结果

研究问题

• RQ1 後門、前門或條件 IV 標準中，哪一種在總效應估計上產生最低的漸近變異數？
• RQ2 是否可在不估計全部三種標準的情況下，直接從圖結構選出最佳可識別標準？
• RQ3 在何種結構條件下，某一標準在估計精確度上會優於其他標準？
• RQ4 在識別結果重疊的情境下，三種識別方法的漸近變異數如何比較？

主要发现

• 即使三種標準皆有效，總效應估計器的漸近變異數仍會因標準而異。
• 可直接從圖結構識別出漸近變異數最低的最優標準。
• 在某些配置中，前門標準的變異數顯著低於後門或條件 IV 方法。
• 在高混雜的情境下，條件 IV 方法可能優於後門標準。
• 根據圖結構選擇標準，可獲得比任意選擇更精確的總效應估計。
• 某一標準相對於其他標準的優勢，取決於路徑圖中觀測與未觀測混雜變數的模式。