[论文解读] What Counterfactuals Can Be Tested

Ilya Shpitser, Judea Pearl|arXiv (Cornell University)|Jun 20, 2012

Bayesian Modeling and Causal Inference参考文献 19被引用 52

一句话总结

本文提出一个形式化框架，用于确定哪些反事实陈述（例如‘如果我服用了阿司匹林，我的头痛本应已消失’）可以使用实验数据进行检验。它引入了一套完整的程序，以识别可检验的反事实，并利用观测数据表达其概率，确立了反事实查询可被简化为do-演算和实验估计量的条件。

ABSTRACT

Counterfactual statements, e.g., "my headache would be gone had I taken an aspirin" are central to scientific discourse, and are formally interpreted as statements derived from "alternative worlds". However, since they invoke hypothetical states of affairs, often incompatible with what is actually known or observed, testing counterfactuals is fraught with conceptual and practical difficulties. In this paper, we provide a complete characterization of "testable counterfactuals," namely, counterfactual statements whose probabilities can be inferred from physical experiments. We provide complete procedures for discerning whether a given counterfactual is testable and, if so, expressing its probability in terms of experimental data.

研究动机与目标

• 阐明反事实陈述（关于替代世界的假设性主张）在何种条件下可被经验检验。
• 解决由于其未观测到的、假设性本质所带来的概念与实际挑战。
• 开发一种系统性程序，以确定给定的反事实查询是否可从实验数据中识别。
• 使用结构因果模型和do-演算，对可检验反事实进行全面表征。
• 使研究人员能够将反事实查询转化为可观测数据的可估计函数，确保其经验有效性。

提出的方法

• 使用结构因果模型（SCMs）正式表示反事实为在替代世界中的干预。
• 应用do-演算以确定反事实概率是否可表示为可观测分布的函数。
• 引入三步程序：(1) 将反事实表示为潜在结果的函数，(2) 应用do-演算规则以识别该表达式是否可估计，(3) 以实验数据的形式表达概率。
• 在特定假设下，利用潜在结果的一致性与一致性，将反事实与可观测数据联系起来。
• 将可检验的反事实定义为那些其概率可通过实验数据和do-演算简化为可估计函数的反事实。
• 利用d-分离准则和条件独立性，评估反事实查询的可识别性。

实验结果

研究问题

• RQ1 哪些反事实陈述可以使用实验数据进行经验检验？
• RQ2 在何种条件下，反事实事件的概率可表示为可观测数据的函数？
• RQ3 如何利用do-演算将反事实查询简化为可识别的估计量？
• RQ4 为确保反事实可检验，需要哪些结构性假设？
• RQ5 是否所有反事实都可检验，还是其可识别性存在固有局限？

主要发现

• 当且仅当反事实的概率可使用do-演算通过实验数据表示为函数时，该反事实才是可检验的。
• 本文提供了一个完整算法，用于确定给定反事实查询是否可从观测数据和实验数据中识别。
• 该框架允许将反事实查询转化为使用标准实验数据（如随机试验）可估计的表达式。
• 该方法表明，并非所有反事实都可检验；只有满足特定结构性和条件独立性约束的反事实才可识别。
• 研究结果表明，涉及对未直接观测到的变量或与结果不d-分离的变量进行干预的反事实，可能无法识别。
• 在满足可识别性条件的前提下，该框架可推导出反事实概率的精确表达式，以可观测数据表示。