因果推断

摘要： 近年来双重差分法在政策评估领域得到了广泛应用,然而由于对双重差分法的识别假设等基本问题理解不够准确或存在误解,部分研究出现了随意添加控制变量、错误解释平行趋势检验等一系列问题。本文试图对双重差分法进行系统性的归纳梳理,以厘清在双重差分法实践应用中的一些相关基本问题。本文分析了双重差分法的识别假设及其经济含义,归纳了研究中常见的几类双重差分法的设定方式,详细分析了控制变量的选取、平行趋势检验以及组间线性时间趋势的控制等应用中的常见问题。针对近年来使用逐渐增多的交错双重差分法及其可能存在的偏误,本文建议使用动态双重差分法和事件研究法作为基准识别策略,并详细说明了二者的使用方法、相互关系和注意事项。最后,本文强调了使用双重差分法进行实证研究的其他问题,包括重视真实的制度背景、对政策外生的理解、溢出效应的处理以及一般均衡视角下的成本收益分析等。

摘要： 因果推断一直是经济学领域关注的重点,由Fisher创立的对照试验法是进行因果推断的黄金标准,然而,在许多领域,特别是社会科学研究中,公共政策很难实现随机对照试验,得到的往往是观察性数据。因此,采用反事实测评技术获得对照组,是解决社会科学研究领域因果效应问题的关键。笔者利用截面数据间存在的共同驱动因素,采用逐步回归方法研究了因果推断的反事实测评技术,并以河南省公共政策为例,计算得到了政策执行后的净效应,为评估公共政策效应提供了量化评价方法。

摘要： 以个体健康研究为例,探讨科学研究中因果推断的方法、应用与展望。因果推断方法作为研究个体健康影响机制的重要手段,有助于促进健康相关政策制定的科学化、合理化,为个体健康提供更为可靠的社会保障,对提高居民健康水平具有十分重要的社会意义。从个体健康研究中的常见问题、因果推断理论框架、实证研究中的因果推断三个方面对现有文献进行分析和评价。作为涵盖范围最广泛的研究领域,个体健康水平受到社会资本、收入、教育、保险、迁移、退休、工作等多类因素的影响,同时,实证研究中主要存在测量偏误、遗漏变量、互为因果、共同原因和选择偏差五类问题,解决这些问题常用的因果推断方法主要包括随机控制实验、倾向得分匹配、工具变量法、双重差分法、断点回归设计以及个体固定效应模型。研究阐述了这些因果推断模型的适用条件及优缺点,并对各类模型在个体健康实证研究中的应用作了简要的总结和分析。研究还有助于学者在个体健康研究领域中选择合适的因果推断方法,或进一步综合应用已有的方法。随着大数据技术的发展和对因果推断方法的深入了解,未来应加强机器学习和因果推断方法的结合,丰富已有的因果推断工具,保障研究结果的稳健性。

摘要： [目的/意义]开放获取模式对科学交流和学术发展做出巨大贡献,由此衍生的开放获取引文优势理论(OACA)已被多项研究证明。然而,部分学术期刊却出现了“反向翻转”现象,即从开放获取模式翻转回付费订阅模式,与OACA理论背道而驰。解析这一现象引发的引文劣势可为相关主体提供借鉴。[研究设计/方法]以12个反向翻转期刊上的18,615篇论文为数据集,采用因果推断方法中的匹配与双重差分模型,分析期刊反向翻转前、后所发表论文被引次数的差异。[结论/发现]反向翻转后,期刊上论文的被引次数显著降低,证明非开放获取的论文有显著的引文劣势。但是,这种劣势随时间推移逐渐减弱。[创新/价值]以之前研究者提及较少的“反向翻转”现象为研究对象,使用了因果推断方法揭示这一事件对期刊的影响,完善了开放获取相关理论。

摘要： 基于机器学习进行因果推断是学术界研究的一个热点,双重机器学习是最新的因果效应估计方法之一,然而,相关理论并没有对不同机器学习方法之间的选择提供指导。鉴于此,文章运用蒙特卡洛模拟方法,研究不同情况下常见机器学习方法在双重机器学习处理效应估计中的表现,比较分析各种机器学习方法的估计结果,研究发现:基于不同机器学习方法的因果效应估计结果存在明显差异,双重机器学习方法的表现受到非线性函数形式以及样本容量的大小的影响;最后,在此基础上提出对机器学习方法选择的建议。

摘要： 为保障发电机组安全稳定运行,需要对机组产生故障的原因进行深入分析。利用发电厂非计划停机事件的分析报告,对非计划停机事件的影响因素进行归纳总结,最终形成预测电厂非计划停机的贝叶斯网络图。通过发电厂非计划停机的贝叶斯网络分析,对各种影响因素对于非计划停机的影响程度进行因果推断分析。结果表明,当对设备老化评估不足时,由于设备发生故障而导致停机事件发生的概率会大幅提升。当设备长期处于恶劣环境中时,老化故障的概率会迅速增大。通过贝叶斯网络分析,明确各种影响因素对非计划停机事件的影响概率情况,为发电企业的能源大数据分析提供参考,提高机组设备安全运行的可靠性。

摘要： 介绍因果推断所涉及的基本概念及其三种分析框架:反事实框架、潜在结果模型和结构因果模型.首先,从反事实框架介绍因果效应的发端;然后,从基于反事实的两个因果推断分析框架:潜在结果模型和结构因果模型,来分别阐述两个分析框架所涉及的关键理论和应用方法.其中,潜在结果模型使用数学和可计算的语言对因果理论进行阐述,是一种将假设、命题和结论清晰化表达的计算模型,其在原因和结果变量已知的前提下定量分析原因变量对结果变量的因果效应,并对缺失的潜在结果进行补齐,使观察性研究的效果接近试验性研究.结构因果模型则是一种基于图论的因果推断方法,它将事件分为观察、干预和反事实三个层级,并通过do运算将干预和反事实层级的因果关系都降维成可以通过统计学手段解决的问题.最后,探讨了现今多领域内因果推断的应用场景,并总结了三种分析框架的异同点.

摘要： 利用抽样调查数据对总体参数进行推断通常分为两种途径:一种是基于设计的推断体系;另一种是基于模型的推断体系。基于设计的推断以随机化理论为基础,推断依赖于抽样设计,在大样本下估计量具有无偏性和一致性,但在样本量较小或存在非抽样误差等情况下效率较低。基于模型的推断认为有限总体是一个来自无限超总体的随机样本,推断依赖于模型假设,构建超总体模型具有很大的灵活性,有利于充分利用总体辅助信息并提高估计精度,但在模型假定有误或样本的入样过程不具有无信息性时存在估计误差。如何将两种推断途径相结合,在体现样本对总体代表性的同时,保证估计效率和估计量的优良性质,尚待研究。权数在基于设计的推断中起着核心作用,能够反映抽样设计对样本的影响,实现样本对总体的还原。将权数引入基于模型的推断,可以使基于模型推断的结果具有总体代表性,能更好地发挥两种推断体系的组合优势,并削弱模型假定对推断效果的影响。据此,从权数对于模型推断的影响入手,针对因果推断问题,提出将权数同时引入倾向得分模型和预测模型的建模过程,来构造双稳健估计的方法,并通过模拟研究加以验证。最终结果表明,根据文章所提出的方法进行处理效应的估计,能够充分发挥权数的作用,得到更准确、更稳健的估计结果。实证部分采用2017年CGSS调查数据进行分析,进一步说明在基于调查数据进行模型推断时应充分考虑抽样设计的影响,为科研人员进行因果推断以及其他基于调查数据开展的研究提供参考。

摘要： 近三十年来,因果推断方法取得长足发展,已成为社会科学研究的主流量化方法,在教育量化研究中亦有着非常广泛的应用。2021年,诺贝尔经济学奖授予戴维·卡德、乔舒亚·D·安格里斯特与吉多·W·因本斯,以表彰他们在推动因果推断方法发展与应用方面所做出的贡献。本文以此为切入点,先讨论教育研究兼具人文关怀和科学理性的双重属性,阐明获取有效的因果证据对推动教育科学研究发展的重要意义,再详细介绍诺奖得主在教育收益率、小班化教学效果、学校投入对学生认知能力发展的影响等方面所取得的重要研究成果,最后对当前我国教育因果推断研究所存在的问题进行讨论并提出建议。

摘要： 中国独特的政策试点机制近年来成为公共政策研究的热点问题。部分研究者将政策试点与发展经济学中广泛开展的随机对照实验进行类比,认为中国的政策试点应当借鉴或采用随机实验的程序与方法,以便对政策效果进行科学的影响评估(Impact Evaluation)或因果推断(Causal Inference)。论文提出了一种不同的观点:尽管政策试点缺乏随机实验中干预的随机分配和精确的测量结果,但是,考虑到中国的政策实施规模与政府执行能力,随机实验评估并不是必要的。理由如下:国家发展是一个宏观的政治经济过程,随机实验评估难以真正实施;即使政策被随机实验验证有效,也可能由于政府部门能力存在差异而难以推广;在科层制下,随机实验方法和实验结果并不一定会被重视与采纳;在局部地区和领域中,得到的实验结果可能无法在更大范围内重现。因此,真正高质量的政策评估,不仅需要准确认识到随机实验的价值与问题,还要充分结合实验与非实验方法,深入理解政策试点对国家治理的重要意义。

摘要： Placebo analysis:replicates the primary analysis with theoutcome replaced by a pseudo-outcome that is known not to beaffected by the treatment.Thus,the true value of the estimandfor this pseudo-outcome is zero,and the goal of thesupplementary analysis is to assess whether the adjustmentmethods employed in the primary analysis,when applied to thepseudo-outcome,lead to estimates that are close to zero.Theseare not standard specification tests that suggest alternativespecifications when the null hypothesis is rejected.Theimplication of rejection here is that it is possible the originalanalysis was not credible at all.

摘要： 本文将讨论流行病学的观察性研究中几种常用的假定,以及在不同假定下可能出现的相互矛盾的结果.介绍和讨论了Simpson's悖论和Lord's悖论.介绍逆回归问题,研究者从不同观点出发,可能会导致不同结论.探讨流行病学研究的因果推断中处理分配机制的假定,暴露作用评价中对照组的模型假定,不完全数据分析中缺失数据机制的假定.

摘要： 本申请属于人工智能技术领域，具体涉及一种基于因果关系推断的智能体行为模型构建方法。该方法包括步骤S1、通过对采用强化学习进行训练的智能体进行训练数据采集；步骤S2、选取一定比例的飞机智能体训练数据作为数据集；步骤S3、依据数据集中各数据间的联系，结合先验知识进行数据间的因果关系发现；步骤S4、对训练数据进行回归拟合生成合理的行为因果结构模型。本申请利用行为因果关系模型对智能体行为进行在线解释，可以达到很好的行为解释效果。

摘要： 本发明属于数据挖掘技术领域，具体为一种基于因果分割的递归式因果推断方法。本发明方法采取分治策略，递归式地利用低阶条件独立性测试将数据集进行层层因果分割，然后再对每一个子数据集进行因果重构，最后合并得到数据集的整体因果信息。该方法能够很好的在高维数据集上进行因果推断，因果关系挖掘。在大数据时代背景下，因果关系推断算法在经济学领域、互联网社交网络领域、医疗大数据领域等都得到了广泛的应用，但高维数据问题是在行业信息智能化遇到的普遍性问题，解决该领域的相关问题迫在眉睫。本发明有助于解决如何应对日益增长的海量数据因果信息挖掘问题，对抽取海量数据中宝贵的因果信息有着重要作用。

摘要： 本发明公开一种基于因果关系推断的智能体行为解释方法，属辅助决策、因果推断技术领域。通过对采用强化学习进行训练的智能体进行训练数据采集，数据包含智能体训练过程中的环境状态、采取的动作和奖励信息；将数据通过因果关系发现、数据回归拟合的方法进行离线训练，输出合理的行为因果关系模型；利用行为因果关系模型对智能体行为进行在线解释。本发明可以达到很好的行为解释效果。

摘要： 本发明公开了一种基于异质因果推断的城市通勤主通道多匝道网联控制方法。对于高速公路常发瓶颈路段，基于探测器探测的瓶颈交通占用率和上下游邻近进口匝道流量数据以及事故数据，构建不同交通状况下匝道输入流量对瓶颈交通状况的异质因果模型，将因果推断的结果作为匝道权重，反映相应匝道对瓶颈改善的重要性，并在瓶颈形成后以此为依据进行多匝道协同控制。匝道权重随因果推断的结果动态更新，确保控制策略与实时需求模式相匹配。本发明采用因果图框架识别控制变量和特征变量，并基于双重机器学习算法构建异质因果模型。

摘要： 本发明公开了一种基于因果推断的竞争风险生存分析方法，包含：根据竞争风险生存分析模型搭建结构化因果模型；根据结构化因果模型识别竞争风险生存分析模型中存在的混淆因子以及混淆因子产生的后门路径；通过后门调整对竞争风险生存分析模型进行因果干预以去除模型中的混淆因子；定义竞争风险生存分析模型的损失函数，并对其进行修正得到因果干预后的损失函数；对因果干预后的损失函数进行最小化以实现对竞争风险生存分析模型的训练优化。本发明的基于因果推断的竞争风险生存分析方法，通过用结构化因果模型从因果角度来修正现有的竞争风险生存分析模型，采用因果推断的方式，通过后门调整公式来学习一个去偏差的生存模型。

摘要： 本发明提供了一种基于相关图信息进行因果推断的案由认定方法及系统，所述方法包括，获取案件的事实描述；根据案件的事实描述构建因果图；利用GFCI算法对构建的因果图进行因果发现并采样得到因果子图；对采样得到的因果子图去噪后添加至loss中，得到案由认定结果；其中，构建因果图包括利用KeyBERT算法获取案件的关键字，并对案件的关键字进行聚类。本发明提出了使用因果图进行因果推断的方法来进行案由认定，这样充分的利用了案件事实描述中的非结构化信息，更好的分辨出不同案件的相似性和差异性，有效解决了类案不同判的情况，提高了案由认定的准确度，同时模型参数量更少，训练速度快，便于部署并且可以快速实现。

摘要： 本发明公开一种基于活性群体集体运动中因果推断方法，包括获取活性群体集体运动的领导者时间序列及跟随者时间序列；获取固定时滞，基于固定时滞，获取最佳固定时滞，基于领导者时间序列及跟随者时间序列，获取对齐时滞序列；对固定时滞进行放宽处理，基于放宽处理结果，对最佳固定时滞进行更新；基于对齐时滞序列及更新后的最佳固定时滞，获取最佳对齐时滞序列；基于最佳对齐时滞序列对领导者时间序列及跟随者时间序列进行扭曲，对扭曲结果进行格兰杰因果推断，得到活性群体集体运动格兰杰因果推断结果。本发明能够有效地推断出活性群体集体运动中领导者，进而在海域捕捞作业中释放机器鱼，以合适的步伐诱导鱼群进入陷阱，从而提高捕捞效率。

摘要： 本发明涉及攻击检测技术领域，其实施方式提供了一种基于因果推断的多步攻击检测方法、装置及设备。其中，一种基于因果推断的多步攻击检测方法，包括：将所述告警样本集合中满足时间聚合度的告警样本聚合为超级告警，并根据超级告警的时序进行分区；根据分区、所述分区的下一分区以及两者的分区边界在时间窗口内与攻击类型的特征相关的数据的分布特征，构建攻击类型组合所对应的第一概率表和第二概率表；将检测事件与预设时间段内的历史事件组合后，在所述第一概率表和所述第二概率表中进行匹配，根据匹配结果得到所述检测事件的检测结果。本发明提供的实施方式能够提升多步攻击检测的效率和准确性。

摘要： 本申请实施例提供一种基于因果推断的决策方法以及模型训练方法，所述决策方法包括：获取目标用户的用户特征、至少一个候选执行策略以及服务目标，其中，所述用户特征用于表征用户的成交概率值，所述的候选执行策略用于表征可采用的各种促成成交的手段，所述服务目标用于表征；将所述用户特征、所述候选执行策略以及所述服务目标输入目标因果图量化模块，并通过所述目标因果图量化模块从所述至少一个候选执行策略中选择与所述服务目标匹配的目标策略，其中，所述目标因果量化图模块被配置为通过决策收益公式确定所述目标执行策略，所述决策收益公式与对所述目标用户实施各候选执行策略后的成交概率值相关。

摘要： 本发明涉及一种基于因果推断的变工况刀具磨损预测方法，是针对数控加工过程中加工工况与监测信号和刀具磨损之间的耦合作用关系，使得变工况下刀具磨损的精确预测困难的难题，提出了基于因果推断提取监测信号特征的方法。通过对工况变化、信号变化和磨损变化之间的关系分析和因果效应计算确定磨损和工况变化对于信号变化的影响系数，根据影响系数从信号特征中充分提取与磨损相关的部分信息，实现刀具磨损量的精确预测；本发明实现了变工况刀具磨损精确预测，极大程度上减弱了工况变化带来的影响，有助于刀具磨损预测模型的精确建模。