Resumen: Investigamos la estimación del efecto causal de una variable de tratamiento en un resultado en presencia de un factor de confusión latente. Primero mostramos que el efecto causal es identificable bajo ciertas condiciones cuando los datos están disponibles en múltiples entornos, siempre que el efecto causal objetivo permanezca invariante en estos entornos. En segundo lugar, proponemos un algoritmo basado en el momento para estimar el efecto causal, siempre y cuando solo un parámetro del mecanismo de generación de datos varía entre los entornos, ya sea la distribución de ruido exógena o la relación causal entre dos variables. Por el contrario, demostramos que la identificabilidad se pierde si las distribuciones de ruido exógenas de las variables latentes y de tratamiento varían en todos los entornos. Finalmente, proponemos un procedimiento para identificar qué parámetro del mecanismo de generación de datos ha variado en los entornos y evaluar el rendimiento de nuestros métodos propuestos a través de experimentos sobre datos sintéticos.
Publicado Originalme en rss.arxiv.org El 15 de junio de 2025.
Ver Fuente Original
