Average Controlled and Average Natural Micro Direct Effects in Summary Causal Graphs

要約

この論文では、サイクルや省略された時間情報が因果推論を複雑にする動的システムでよく使用される、完全な因果グラフの抽象化である要約因果グラフによって表される因果システムにおける平均制御直接効果と平均自然直接効果の識別可能性を調査します。
通常、直接効果の特定と推定が容易な従来の線形設定とは異なり、ノンパラメトリック直接効果は、現実世界の複雑さを処理するために重要であり、特に変数(遺伝的、環境的、変数間の関係など)が関係する疫学的な状況では重要です。
行動要因)は非線形であることが多く、定義し特定するのが非常に困難です。
特に、隠れた交絡が存在する場合の要約因果グラフから、平均的な制御されたミクロ直接効果と平均的な自然ミクロ直接効果を特定するための十分な条件を提供します。
さらに、平均的な制御されたミクロ直接効果に与えられた条件は、隠れた交絡がなく、調整による識別可能性にのみ関心がある設定でも必要になることを示します。

要約(オリジナル)

In this paper, we investigate the identifiability of average controlled direct effects and average natural direct effects in causal systems represented by summary causal graphs, which are abstractions of full causal graphs, often used in dynamic systems where cycles and omitted temporal information complicate causal inference. Unlike in the traditional linear setting, where direct effects are typically easier to identify and estimate, non-parametric direct effects, which are crucial for handling real-world complexities, particularly in epidemiological contexts where relationships between variables (e.g, genetic, environmental, and behavioral factors) are often non-linear, are much harder to define and identify. In particular, we give sufficient conditions for identifying average controlled micro direct effect and average natural micro direct effect from summary causal graphs in the presence of hidden confounding. Furthermore, we show that the conditions given for the average controlled micro direct effect become also necessary in the setting where there is no hidden confounding and where we are only interested in identifiability by adjustment.

arxiv情報

著者 Simon Ferreira,Charles K. Assaad
発行日 2024-10-31 14:30:33+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, stat.ME パーマリンク