基于对称性信息的因果部分识别研究

该研究提出利用已知数据对称性（因果效应在特定数据变换下的不变性）作为新增约束，来优化因果部分识别（PI）的因果效应边界估计。该方法通过因果函数形状约束与简单数据预处理下的测度变换两种途径实现，在两种经典 PI 模型中均有效收紧了边界。理论推导与有限样本实验均证实了该框架在鲁棒因果推理中的有效性。