对称性引导的因果部分识别

论文提出把已知数据对称性——因果效应在某些数据变换下的不变性——作为新约束来源，用于改进因果部分识别（PI）的效应界限估计。研究者将其转化为因果函数上的形状约束，并通过测度变换与简单数据预处理实现，在两个经典 PI 模型上从理论上收紧了总体情形的界限，并通过有限样本实验验证。该框架将数据对称性确立为稳健因果推断中一种自然且未被充分利用的背景知识来源。