含有隐变量的因果结构学习与统计因果推断

项目名称： 含有隐变量的因果结构学习与统计因果推断

项目编号： No.11401047

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 数理科学和化学

项目作者： 单娜

作者单位： 长春工业大学

项目金额： 22万元

中文摘要： 探索复杂事物之间的因果关系是哲学、自然科学和社会科学等几乎所有科学研究的一个重要内容。为了便于解释复杂事物间的因果关系并进行有效的统计分析，研究者们引入隐变量。由于隐变量不能被观测，它给人们带来便利的同时也带来很多困难。含有隐变量的因果结构学习与因果推断是许多领域中的一个研究热点和难点。本项目从两个不同角度给出含有隐变量的因果结构学习方法。方法一采用分解和局部学习的思想，将含隐变量因果网的结构学习问题分解为一些子问题，并整合局部学习结构得到全局因果结构，降低问题的难度同时提高算法的效率。方法二针对半马尔可夫因果模型结构学习的问题，给出边定向的干预试验的最优设计方法，并进一步探测未发现的双向边，得到一个正确而有效的学习方法。在因果结构未知时，本项目研究由观测数据估计干预效应的方法，提出混杂子的新定义，给出其判定条件和探测方法。我们的成果将推动因果研究理论的进一步发展，并为指导实践提供依据。

中文关键词： 结构学习；因果推断；隐变量；幸存平均因果效应；平均因果效应

英文摘要： The exploration for causal relationships between complex objects is one of the important contents in philosophy, natural sciences, social sciences and so on. The introduction of latent variables can illustrate the causal relationships between complex obje

英文关键词： structure learning；causal inference；latent variables；survivor average causal effect；average causal effect