现实世界数据集是否包含自然实验？一项基于因果特征选择的实证研究

# 现实世界数据集是否包含自然实验？基于因果特征选择的实证研究
来源：https://arxiv.org/abs/2606.03251
查看 PDF（https://arxiv.org/pdf/2606.03251）

> **摘要**：在自然界中，某些事件只影响部分个体或群体而不影响其他个体或群体，构成了隐含的干预，这类事件被称为自然实验。例如，COVID-19 大流行就是冠状病毒对感染 COVID 的亚人群实施的一次干预。我们提出一个问题：现有的现实世界数据集中是否也存在自然实验？如果存在，我们又应如何处理它们？为了检测数据中的自然实验，我们使用因果发现来恢复底层的因果图，并基于因果连接进行特征选择。如果通过将数据视为干预性而非观测性来改进下游性能，我们就认为这暗示该数据集包含自然实验。我们首先利用合成图模拟了包含和不包含自然实验的数据集，验证了这一假设。随后，我们在大量真实世界数据集上进行了系统的实证评估。结果表明，现实世界数据集确实包含自然实验，我们可以利用这些自然实验通过因果推断来提升模型性能。本工作是该领域的初步探索，仅在有限范围内进行了初步研究。

## 提交历史

来自：Gautam Gare [查看邮件（https://arxiv.org/show-email/e2d9d0e1/2606.03251）] **\[v1\]** 2026年6月2日星期二 07:12:30 UTC（5,942 KB）