摘要: Bayes网络常用于多变量间的因果推断,但当存在未观测的隐变量和选择变量时,这种图模型往往无法正确描述观测变量间的因果关系。作者利用在观测变量上构造的最大祖先图模型刻画观测变量间的独立性关系和因果结构,并提出了具体的实现算法,从而可由观测数据来推断这类不完全观测下的部分因果关系。
中图分类号:
赵慧,郑忠国,许静. 含隐变量和选择偏差的图模型中的因果推断[J]. 北京大学学报(自然科学版).
ZHAO Hui,ZHENG Zhongguo,XU Jing. Causal Inference in the Models with Hidden Variables and Selection Bias[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.