[論文レビュー] A Definition and Graphical Representation for Causality

David Heckerman, Ross D. Shachter|arXiv (Cornell University)|Feb 20, 2013

Bayesian Modeling and Causal Inference参考文献 9被引用数 16

ひとこと要約

本稿は、因果関係が意思決定の集合に対して相対的であるというunresponsiveness（無反応性）に基づく意思決定理論的因果の定義を提案する。因果関係は、完全な因果的説明を必要とせずに局所的な因果的推論を可能にする。本稿は、標準的影響図が因果関係を正確かつ効率的にグラフィカルに表現できることを確立し、Pearlの構造的因果モデルと整合し、意思決定文脈における実用的な因果的推論を可能にする。

ABSTRACT

We present a precise definition of cause and effect in terms of a fundamental notion called unresponsiveness. Our definition is based on Savage's (1954) formulation of decision theory and departs from the traditional view of causation in that our causal assertions are made relative to a set of decisions. An important consequence of this departure is that we can reason about cause locally, not requiring a causal explanation for every dependency. Such local reasoning can be beneficial because it may not be necessary to determine whether a particular dependency is causal to make a decision. Also in this paper, we examine the graphical encoding of causal relationships. We show that influence diagrams in canonical form are an accurate and efficient representation of causal relationships. In addition, we establish a correspondence between canonical form and Pearl's causal theory.

研究の動機と目的

• 因果関係を、従来の絶対的と見なされるものとは異なり、意思決定の集合に依存する形で再定義すること。
• 特定の意思決定に関連する依存関係にのみ焦点を当てることで、すべての依存関係を説明する必要がなくなるため、局所的な因果的推論を可能にすること。
• 因果関係を正確かつ計算的に効率的なグラフィカル表現として提供すること。
• 標準的影響図とPearlの構造的因果モデルとの間の正式な対応関係を確立すること。
• 因果関係を意思決定理論的フレームワークに統合することで、意思決定システムにおける実用的な因果的推論を支援すること。

提案手法

• 意思決定の結果に影響を与えない変数が原因であると定義するunresponsivenessの概念を用いて因果関係を定義する。
• Savageの意思決定理論フレームワーク内に因果的主張を形式化し、因果関係を意思決定に関連する依存関係に根拠を置く。
• 標準的影響図（確率的、意思決定、報酬のノードを含む有向非巡回グラフ）を用いて因果関係を効率的に表現する。
• 標準的影響図の構造が、介入と反事後的推論を自然に表現できることを示し、do計算式の原則と整合する。
• これらの図のグラフィカル構造が、介入下でも因果関係の意味を保持することを示す。
• 正式な対応関係を通じて、標準的影響図の因果的意味論とPearlの構造的因果モデルとの間の同等性を確立する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、絶対的ではなく意思決定に依存する文脈的因果関係を正式に定義できるか？
• RQ2 意思決定に関連する依存関係にのみ焦点を当てる局所的因果的推論は、実用的な意思決定をどのように改善するか？
• RQ3 標準的影響図は、因果関係の正確で効率的なグラフィカル表現として機能できるか？
• RQ4 標準的影響図とPearlの構造的因果モデルとの間の正式な対応関係は何か？
• RQ5 unresponsivenessの概念は、意思決定文脈における原因と結果の原理的定義をどのように可能にするか？

主な発見

• 因果関係は、unresponsivenessの概念を用いて意思決定の集合に依存して定義され、原因はその値が最適な意思決定結果に影響を与えない変数である。
• 局所的因果的推論が可能になるのは、最適な意思決定に影響する依存関係のみを因果関係とみなせばよいからであり、完全な因果的説明の必要がなくなる。
• 標準的影響図は、因果関係を正確かつ効率的にグラフィカルに表現でき、観察的および介入的推論を両方可能にする。
• 本稿は、標準的影響図とPearlの構造的因果モデルとの間の正式な対応関係を確立し、その因果的推論への応用を検証する。
• 本アプローチは、グローバルな因果モデルを必要とせず、意思決定理論的フレームワークに因果関係を埋め込むことで、意思決定システムにおける実用的な因果的推論を可能にする。
• 図の構造を通じて反事後的推論と介入をサポートでき、do計算式および介入の意味論と整合する。