Cluster DAGs (C-DAGs)는 변수 클러스터를 노드로, 클러스터 간의 인과 관계와 관찰되지 않은 교란으로 인한 의존성을 엣지로 표현하는 인과 그래프의 추상화입니다. C-DAG는 클러스터 수준 관계에 동의하는 비순환 인과 그래프의 동치 클래스를 정의하여, 더 높은 수준의 추상화에서 인과 추론을 가능하게 합니다. 본 연구에서는 파티션 적합성 제약을 완화하여 임의의 변수 클러스터링을 지원하도록 C-DAG 프레임워크를 확장하고, 사이클릭 C-DAG 표현을 허용합니다. 또한, d-분리와 인과 계산의 개념을 이 설정으로 확장하여 클러스터 간의 인과 추론 범위를 넓히고, 기존에 다루기 어려웠던 시나리오에서 C-DAG를 적용할 수 있게 합니다. 이 계산법은 do-calculus에 대해 건전하고 원자적으로 완전하며, 클러스터 수준에서 유효한 모든 개입 쿼리를 해당 규칙을 사용하여 파생할 수 있으며, 각 규칙은 기본적인 do-calculus 단계를 나타냅니다.
