The identifiability problem in missing data recovery and causal effect estimation

Abstract

This paper investigates the influence of causal model identifiability on missing data recovery and causal effect estimation. A series of computational experiments using classical imputation methods and structural causal models was conducted. Both identifiable and non-identifiable settings were analyzed within the framework of causal inference theory.

У роботі досліджено вплив ідентифікованості причинної моделі на результати відновлення пропущених даних та оцінювання причинних ефектів. Проведено серію обчислювальних експериментів із використанням класичних методів імпутації та структурних причинних моделей. Розглянуто як ідентифіковані, так і неідентифіковані постановки задач у сенсі теорії причинного виведення . Отримані результати узгоджуються з теоретичними положеннями причинного аналізу та показують, що за відсутності ідентифікованості однакові спостережувані дані можуть відповідати різним повним моделям, що призводить до неоднозначності під час відновлення пропущених значень та інтерпретації причинних зв'язків.