• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >Estimating bounds on causal effects in high-dimensional and possibly confounded systems
【2h】

Estimating bounds on causal effects in high-dimensional and possibly confounded systems

机译：估计高维和可能混杂系统中因果效应的界限

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present an algorithm for estimating bounds on causal effects from observational data which combines graphical model search with simple linear regression. We assume that the underlying system can be represented by a linear structural equation model with no feedback, and we allow for the possibility of latent confounders. Under assumptions standard in the causal search literature, we use conditional independence constraints to search for an equivalence class of ancestral graphs. Then, for each model in the equivalence class, we perform the appropriate regression (using causal structure information to determine which covariates to adjust for) to estimate a set of possible causal effects. Our approach is based on the IDA procedure of , which assumes that all relevant variables have been measured (i.e., no latent confounders). We generalize their work by relaxing this assumption, which is often violated in applied contexts. We validate the performance of our algorithm in simulation experiments.
机译：我们提出了一种从观测数据估计因果效应界限的算法，该算法结合了图形模型搜索和简单的线性回归。我们假设基础系统可以由没有反馈的线性结构方程模型表示，并且我们考虑了潜在混杂因素的可能性。在因果搜索文献中的假设标准下，我们使用条件独立性约束条件来搜索祖先图的等价类。然后，对于等效类中的每个模型，我们执行适当的回归（使用因果结构信息来确定要调整的协变量），以估计一组可能的因果效应。我们的方法基于的IDA程序，该程序假定所有相关变量均已进行了测量（即没有潜在的混杂因素）。我们通过放宽这个假设来概括他们的工作，这种假设在实际应用中经常被违反。我们在仿真实验中验证了我们算法的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号