[論文レビュー] Algebraic causality: Bayes nets and beyond

Eva Riccomagno, Jim Q. Smith|ArXiv.org|Sep 21, 2007

Bayesian Modeling and Causal Inference参考文献 18被引用数 3

ひとこと要約

本稿は、部分順序と多項式写像を用いて因果関係を形式化することで、ベイジアンネットワークを拡張する一般化された代数的枠組みを提案する。これにより、非グラフィカルなモデルにおける因果効果の分析が可能になる。主な貢献は、ベイジアンネットワーク、文脈特異的ネットワーク、チェーンイベントグラフを統一的に扱う代数的アプローチであり、可識別性と妥当性の分析が計算的コンmutティブ代数と半代数的制約を用いて行われる。

ABSTRACT

The relationship between algebraic geometry and the inferential framework of the Bayesian Networks with hidden variables has now been fruitfully explored and exploited by a number of authors. More recently the algebraic formulation of Causal Bayesian Networks has also been investigated in this context. After reviewing these newer relationships, we proceed to demonstrate that many of the ideas embodied in the concept of a ``causal model'' can be more generally expressed directly in terms of a partial order and a family of polynomial maps. The more conventional graphical constructions, when available, remain a powerful tool.

研究の動機と目的

• グラフィカル構造（例：ベイジアンネットワーク）に依存しない形で、代数的および順序論的基礎に因果関係を埋め込むことにより、因果モデルの概念を一般化すること。
• 従来のグラフィカル表現が不十分または煩雑であるような複雑なモデルにおいて、因果効果の可識別性と妥当性を扱うこと。
• 文脈特異的ベイジアンネットワーク、ベイズ線形制約モデル、チェーンイベントグラフなどの多様なモデルクラスを、同一の代数的形式主義に統合すること。
• 因果推論がグラフから出発するのではなく、有限個の展開事象と仮定された因果順序から開始できることを示し、より柔軟なモデリングを可能にすること。
• トーリックイデアルや半代数的制約を含む代数的技法が、因果仮説と操作された分布の分析に体系的かつ一貫して適用可能であることを示すこと。

提案手法

• 因果モデルを有限個の事象上の部分順序と、ある半代数的空間から別の半代数的空間への多項式写像の族として表現する。
• 因果的介入を、制御されていないシステム下での連関確率質量関数の射影として形式化し、CBNにおけるdo計算に類似させる。
• 条件付き独立関係のパrametrizationを多項式として扱い、トーリック多様体やイデアルといった代数幾何の概念と結びつける。
• 構造的制約（例：独立性、条件付き独立性）をパrameter空間における半代数的等式および不等式としてモデル化する。
• 可識別性および妥当性の問題を解くために、グレブナー基底や消去理論などの計算的コンミュタティブ代数ツールを適用する。
• 映画視聴とテストステロン値が暴力的行動に与える影響をモデル化した因果モデルを提示し、合計効果および直接効果を推定するために3つの実験的データソースを用いる。

実験結果

リサーチクエスチョン

• RQ1 代数的および順序論的構造を用いて、グラフィカル表現に依存しない形で因果モデルを形式化する方法は何か？
• RQ2 多項式制約と半代数的幾何を用いて、因果効果の可識別性をどのように分析できるか？
• RQ3 因果ベイジアンネットワークの枠組みは、文脈特異的ネットワークやチェーンイベントグラフなどの非グラフィカルモデルを含む形に一般化可能か？
• RQ4 介入下での同時分布を特徴付ける代数的性質は何か。また、それらは根本的な因果順序からどのように導出可能か？
• RQ5 異なる実験的データ構成（例：周辺分布、条件付き分布、母集団レベルのデータ）は、代数的枠組みにおける合計効果および直接効果の可識別性にどのように影響を与えるか？

主な発見

• 本稿は、グラフィカル構造を必要とせず、有限個の展開事象と部分順序を用いて因果モデルを再定義できることを確立している。
• 因果的介入は、制御されていないシステム下での同時分布の射影として定義され、CBNにおけるdo計算に類似した性質を保持している。
• 映画視聴の禁止が戦闘行動に与える合計因果効果は、テストステロンレベルと視聴行動を測定した実験データを組み合わせることでのみ可識別であり、識別には露出確率による除算が必要である。
• 低 testosterone が戦闘行動に与える直接効果は、$ \widehat{\widehat{p}}(1,1,1,1) = \pi_2(1)\pi_4(1|1,1) $ として表され、周辺確率と条件付き分布を測定した実験の組み合わせから可識別である。
• 代数幾何の手法を用いることで、可識別性と妥当性の体系的分析が可能であり、グラフィカル表現では見えない対称性の利用も可能である。
• 映画の例では単純な代数的演算が用いられているが、この手法は計算代数システムを必要とする複雑なモデルへ一般化可能であり、現在のソフトウェアの制限（不等式制約や高次元確率空間）により、一部の問題は依然として困難である。