Copertina

Coarsening Bias from Variable Discretization in Causal Functionals

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Ou, Xiaxian, Nabi, Razieh
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Methodology Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Average Causal Effect Estimation in DAGs with Hidden Variables: Beyond Back-Door and Front-Door Criteria
di: Guo, Anna, et al.
Pubblicazione: (2024)

Causal Inference for Preprocessed Outcomes with an Application to Functional Connectivity
di: Wang, Zihang, et al.
Pubblicazione: (2026)

Causal Inference with the "Napkin Graph"
di: Guo, Anna, et al.
Pubblicazione: (2025)

Flexible Nonparametric Inference for Causal Effects under the Front-Door Model
di: Guo, Anna, et al.
Pubblicazione: (2023)

Weighting-Based Identification and Estimation in Graphical Models of Missing Data
di: Guo, Anna, et al.
Pubblicazione: (2026)

Causal and Counterfactual Views of Missing Data Models
di: Nabi, Razieh, et al.
Pubblicazione: (2022)

Response to Discussions of "Causal and Counterfactual Views of Missing Data Models"
di: Nabi, Razieh, et al.
Pubblicazione: (2025)

Controllable Generative Sandbox for Causal Inference
di: Zhang, Qi, et al.
Pubblicazione: (2026)

Statistical learning for constrained functional parameters in infinite-dimensional models
di: Nabi, Razieh, et al.
Pubblicazione: (2024)

Discrete Causal Representation Learning
di: Zhang, Wenjin, et al.
Pubblicazione: (2026)

Long Story Short: Omitted Variable Bias in Causal Machine Learning
di: Chernozhukov, Victor, et al.
Pubblicazione: (2021)

Bias-Targeted Nonparametric Balancing for Stable Causal Mediation Analysis
di: Liu, Chang, et al.
Pubblicazione: (2024)

Hierarchical Bias-Driven Stratification for Interpretable Causal Effect Estimation
di: Ter-Minassian, Lucile, et al.
Pubblicazione: (2024)

A Latent Causal Inference Framework for Ordinal Variables
di: Scauda, Martina, et al.
Pubblicazione: (2025)

Regression-Based Estimation of Causal Effects in the Presence of Selection Bias and Confounding
di: Hafer, Marlies, et al.
Pubblicazione: (2025)

Local Interference: Removing Interference Bias in Semi-Parametric Causal Models
di: O'Riordan, Michael, et al.
Pubblicazione: (2025)

Multiply Robust Conformal Risk Control with Coarsened Data
di: Paul, Manit, et al.
Pubblicazione: (2025)

Causal Inference with Latent Variables: Recent Advances and Future Prospectives
di: Zhu, Yaochen, et al.
Pubblicazione: (2024)

Causal Discovery via Conditional Independence Testing with Proxy Variables
di: Liu, Mingzhou, et al.
Pubblicazione: (2023)

Context-Aware Reasoning On Parametric Knowledge for Inferring Causal Variables
di: Sheth, Ivaxi, et al.
Pubblicazione: (2024)

COKE: Causal Discovery with Chronological Order and Expert Knowledge in High Proportion of Missing Manufacturing Data
di: Ou, Ting-Yun, et al.
Pubblicazione: (2024)

Fair Risk Minimization under Causal Path-Specific Effect Constraints
di: Nabi, Razieh, et al.
Pubblicazione: (2024)

Optimal Kernel Choice for Score Function-based Causal Discovery
di: Wang, Wenjie, et al.
Pubblicazione: (2024)

Causal Effect Estimation using identifiable Variational AutoEncoder with Latent Confounders and Post-Treatment Variables
di: Xie, Yang, et al.
Pubblicazione: (2024)

Omitted Variable Bias in Language Models Under Distribution Shift
di: Lin, Victoria, et al.
Pubblicazione: (2026)

Partial Identification of Causal Effects Using Proxy Variables
di: Ghassami, AmirEmad, et al.
Pubblicazione: (2023)

Mining Causality: AI-Assisted Search for Instrumental Variables
di: Han, Sukjin
Pubblicazione: (2024)

Identifiability of Sparse Causal Effects using Instrumental Variables
di: Pfister, Niklas, et al.
Pubblicazione: (2022)

Use of Prior Knowledge to Discover Causal Additive Models with Unobserved Variables and its Application to Time Series Data
di: Maeda, Takashi Nicholas, et al.
Pubblicazione: (2024)

Towards a holistic understanding of Selection Bias for Causal Effect Identification
di: Qiu, Yiwen, et al.
Pubblicazione: (2026)

Embracing Discrete Search: A Reasonable Approach to Causal Structure Learning
di: Wienöbst, Marcel, et al.
Pubblicazione: (2025)

Smaller Confidence Intervals From IPW Estimators via Data-Dependent Coarsening
di: Kalavasis, Alkis, et al.
Pubblicazione: (2024)

Identifying Causal Effects Using a Single Proxy Variable
di: Vollmer, Silvan, et al.
Pubblicazione: (2026)

Estimation and Inference for Causal Functions with Multiway Clustered Data
di: Liu, Nan, et al.
Pubblicazione: (2024)

Discovering Causal Relationships using Proxy Variables under Unmeasured Confounding
di: Wu, Yong, et al.
Pubblicazione: (2025)

Generalized Independent Noise Condition for Estimating Causal Structure with Latent Variables
di: Xie, Feng, et al.
Pubblicazione: (2023)

Causal-learn: Causal Discovery in Python
di: Zheng, Yujia, et al.
Pubblicazione: (2023)

Learning Identifiable Structures Helps Avoid Bias in DNN-based Supervised Causal Learning
di: Zhang, Jiaru, et al.
Pubblicazione: (2025)

Preconditioned Discrete-HAMS: A Second-order Irreversible Discrete Sampler
di: Zhou, Yuze, et al.
Pubblicazione: (2025)

Local Causal Discovery for Estimating Causal Effects
di: Gupta, Shantanu, et al.
Pubblicazione: (2023)