基于数据对称性的因果偏识别

新研究提出将已知数据对称性引入因果偏识别（PI）作为约束条件，有效收紧了因果效应的估计边界。该方法通过因果函数的形状约束以及基于数据预处理的测度变换实现，在两个经典偏识别模型中均证实可显著收紧边界。理论推导与有限样本实验均表明，数据对称性可作为鲁棒因果推断中高效且未被充分利用的先验知识。