[論文レビュー] Causes and Explanations: A Structural-Model Approach --- Part 1: Causes

Joseph Y. Halpern, Pearl, Judea|arXiv (Cornell University)|Jan 10, 2013

Bayesian Modeling and Causal Inference参考文献 28被引用数 142

ひとこと要約

この論文は、構造的因果モデルを用いて、構造方程式系における干渉を介して因果関係を形式化することで、実際の因果関係の新しい定義を提案する。この定義は、予防や過剰決定といった長年の反例を解消し、一貫性と洗練さをもって、予防、過剰決定その他の複雑なケースを扱う、反事後的基盤の明確な説明を提供する。

ABSTRACT

We propose a new definition of actual causes, using structural equations to model counterfactuals.We show that the definitions yield a plausible and elegant account ofcausation that handles well examples which have caused problems forother definitions and resolves major difficulties in the traditionalaccount. In a companion paper, we show how the definition of causality can beused to give an elegant definition of (causal) explanation.

研究の動機と目的

• 実際の因果関係を定義する際の長年の問題、特に予防や過剰決定のケースにおける問題を解決すること。
• 構造方程式に基づく、形式的かつ数学的に厳密な因果関係の定義を提供すること。
• ピアールらの定義を含む、先行する因果定義における曖昧さや一貫性の欠如を解消すること。
• 同じ構造的モデルフレームワークを用いて、統一的因果説明理論の基盤を築くこと。
• 定義が複雑な現実世界のシナリオにおける直感的因果判断と整合することを保証すること。

提案手法

• 各変数が親変数と外生変数によって決定される構造方程式を用いて、因果的システムをモデル化する。
• 反事後的干渉を介して実際の因果関係を定義する：原因とは、結果を変化させるために干渉が必要となる変数の最小集合である。
• 構造方程式フレームワークを用いて「差の作り方」基準を形式化する：原因は干渉下で結果に差を生じさせる。
• 標準的な因果的パラドックス（例：予防、共通原因）に定義を適用し、妥当性と妥当性を検証する。
• 因果関係の過剰付与を避けるために、変数の「最小」かつ「十分」な集合の概念を導入する。
• 反事後的依存性を、変数が結果の原因かどうかを判断するための中心的メカニズムとして用いる。

実験結果

リサーチクエスチョン

• RQ1 予防や過剰決定のようなケースで、恣意的な区別を避けながら、実際の因果関係を形式的に定義する方法は何か？
• RQ2 構造的モデルアプローチは、直感的因果判断と整合する包括的因果説明を提供できるか？
• RQ3 複雑なシステムにおいて、変数が結果の原因と見なされるために満たすべき条件は何か？
• RQ4 ピアールやルイスらの既存理論と比較して、この提案定義は古典的因果的パラドックスをどのように解消するか？
• RQ5 同じフレームワークを用いて、原理的かつ一貫した方法で因果的説明を定義できるか？

主な発見

• 提案された定義は、先行理論が失敗する予防や過剰決定といった古典的反例を効果的に解消する。
• フレームワークは、結果を変化させるために干渉が必要となる変数の最小集合として原因を特定し、因果関係の過剰付与を回避する。
• 「バタフライ効果」や「共通原因」のシナリオのように、複数の潜在的因果関係が存在するケースにおいても、真の原因を正しく特定する。
• 定義は反事後的推論と整合しており、複雑なシナリオにおける直感的因果判断とも一致する。
• このアプローチは、後の共著論文で因果的説明を定義する基盤を提供し、その広範な適用可能性を示している。
• 構造的モデルアプローチは、特に非マルコフ的状況において、先行する定義よりもより明確かつ一般的な因果関係の説明を提供する。