隱變項

深度分析

位置尺度噪聲模型（LSNM‑UV）於隱變項情境下的因果結構可辨識性研究

研究針對觀測資料中隱藏變項與位置尺度噪聲模型提出因果發現方法，證明在滿足弓形自由條件的ADMG可辨識，並在違反條件時提供額外識別條件，實驗顯示在異方差資料上優於傳統加法噪聲基礎。提出兩階段演算法LSNM‑UV，具備聲明性與完整性，理論與實驗皆支援其效能。