跳到主要内容
Ctrl+K
DoWhy  documentation - Home

网站导航

  • 入门
  • 用户指南
  • 示例
  • 引用此软件包
  • 贡献
    • dowhy 软件包
    • 发布说明
版本发布
v0.9.1
v0.9
v0.8
v0.7.1
v0.7
v0.6
v0.5.1
v0.5
v0.4
v0.2
v0.11.1
v0.11
v0.10.1
v0.10
v0.1.1-alpha
分支
main

网站导航

  • 入门
  • 用户指南
  • 示例
  • 引用此软件包
  • 贡献
    • dowhy 软件包
    • 发布说明
版本发布
v0.9.1
v0.9
v0.8
v0.7.1
v0.7
v0.6
v0.5.1
v0.5
v0.4
v0.2
v0.11.1
v0.11
v0.10.1
v0.10
v0.1.1-alpha
分支
main

章节导航

  • 前言
  • DoWhy 简介
  • 建模因果关系
    • 使用领域知识指定因果图
    • 从数据中学习因果结构
    • 驳斥因果图
      • 执行独立性测试
      • 图驳斥
  • 建模图形因果模型(GCM)
    • 图形因果模型的类型
    • 从 GCM 生成样本
    • 评估 GCM
    • 自定义因果机制分配
    • 估计置信区间
  • 执行因果任务
    • 估计因果效应
      • 识别因果效应
        • 后门准则
        • 前门准则
        • 自然实验和工具变量
        • 用于发现新识别策略的 ID 算法
      • 使用后门估计平均因果效应
        • 基于回归的方法
        • 基于距离的匹配
        • 基于倾向的方法
        • Do-sampler
      • 使用自然实验估计平均因果效应
      • 估计条件平均因果效应
      • 使用 GCM 估计平均因果效应
    • 量化因果影响
      • 中介分析:估计自然直接效应和间接效应
      • 直接效应:量化箭头强度
      • 量化内在因果影响
    • 根本原因分析和解释
      • 异常归因
      • 归因分布变化
      • 特征相关性
    • 提问和回答假设问题
      • 模拟干预的影响
      • 计算反事实
    • 预测分布外输入的输出
  • 驳斥因果估计
    • 驳斥效应估计
      • 安慰剂处理驳斥器
      • 虚拟结果驳斥器
      • 随机共同原因驳斥器
      • 数据子样本驳斥器
      • 敏感性分析
        • 基于模拟的敏感性分析
        • 基于偏 R2 的线性估计器敏感性分析
        • 基于 Reisz 估计器的非线性估计器敏感性分析
  • 引用此软件包
  • 用户指南
  • 估计因果效应
  • 识别...

识别因果效应#

给定一个因果图和一组观测变量,因果效应识别是确定是否可以使用现有变量的数据估计该效应的过程。形式上,识别将目标因果效应表达式(例如 \(E[Y|do(A)]\))转换为可以使用观测数据分布(即不使用 do 运算符)估计的形式。

关于因果推断中识别的介绍,请查看本书章节。

  • 后门准则
  • 前门准则
  • 自然实验和工具变量
  • 用于发现新识别策略的 ID 算法

上一页

估计因果效应

下一页

后门准则

显示源代码

© 版权所有 2022,PyWhy 贡献者。

使用 Sphinx 7.1.2 创建。

使用 PyData Sphinx Theme 0.14.4 构建。