NeurIPS 2022｜从一组干预措施中在存在未观测混杂时分离出因果效应

 

简介：回答因果问题的能力在许多领域都是至关重要的，因为因果推理可以让人们了解干预措施的影响。在许多应用中，在一个给定的时间内只可能有一个单一的干预。然而，在某些重要领域，多种干预措施是同时应用的。将单一干预措施的效果与联合应用的干预措施区分开来是一项具有挑战性的任务--特别是由于同时应用的干预措施可以相互影响。未观察到的混杂因素对干预措施和结果都有影响，这使得这个问题变得更加困难。我们通过从观察数据和干预措施集中学习单一干预措施的效果来应对这一挑战。我们证明这在一般情况下是不可能的，但我们提供了识别证明，证明在某些类别的加性噪声模型中可以实现，甚至在存在未观察到的混杂因素的情况下。重要的是，我们展示了如何将观察到的协变量纳入其中，并学习以它们为条件的单一干预的异质性治疗效果。