[論文レビュー] Complete Graphical Characterization and Construction of Adjustment Sets in Markov Equivalence Classes of Ancestral Graphs

Emilija Perković, Johannes Textor+2 more|arXiv (Cornell University)|Jun 22, 2016

Bayesian Modeling and Causal Inference参考文献 23被引用数 31

ひとこと要約

本稿では、DAG、MAG、CPDAG、PAGを含む、先行的グラフのマルコフ同値クラスにおける共変量調整の妥当で完全な図的基準を提示する。この基準は、これらのモデル間で調整基準を統一し、有効な調整集合を明示的に構築するための構成的メソッドを提供するとともに、その列挙に効率的なアルゴリズムを提示し、構造的不確実性や潜在的交絡要因が存在する状況下での因果効果推定を可能にする。

ABSTRACT

We present a graphical criterion for covariate adjustment that is sound and complete for four different classes of causal graphical models: directed acyclic graphs (DAGs), maximum ancestral graphs (MAGs), completed partially directed acyclic graphs (CPDAGs), and partial ancestral graphs (PAGs). Our criterion unifies covariate adjustment for a large set of graph classes. Moreover, we define an explicit set that satisfies our criterion, if there is any set that satisfies our criterion. We also give efficient algorithms for constructing all sets that fulfill our criterion, implemented in the R package dagitty. Finally, we discuss the relationship between our criterion and other criteria for adjustment, and we provide new soundness and completeness proofs for the adjustment criterion for DAGs.

研究の動機と目的

• . 本稿の目的は、複数の因果的グラフィカルモデルのクラスにわたる既存の調整基準を統一し、拡張することである。
• 一部的に指定された真の因果構造が不明な状況における共変量調整の課題に取り組むことである。
• マーティン同値クラスにおいて有効な調整集合を特定する基準が、妥当かつ完全であることを保証することである。
• 特に潜在的交絡要因やコリダー・バイアスが存在する状況において、観察研究でどの変数を調整すべきかという一般的な誤解を解消することである。
• 真の因果グラフを完全に把握していなくても、因果効果推定を可能にする。

提案手法

• . 本稿では、DAG、MAG、CPDAG、PAGに一様に適用可能な一般化された調整基準を導入する。
• Corollary 15により、有効な調整集合を明示的に構築する構成的調整集合を定義する。
• 調整集合の同定問題を、van der Zander ら (2014) の結果を活用した部分グラフにおけるm-分離集合の特定問題に還元する。
• d-分離、m-分離、および Forb(X,Y,D) の概念を用いて、有効な調整集合を特徴付ける。
• 理論的証明により、四つのグラフクラスすべてにおいて基準の妥当性と完全性を確立する。
• このアプローチはRパッケージ dagitty に実装されており、与えられたグラフに対してすべての有効な調整集合を効率的に計算可能である。

実験結果

リサーチクエスチョン

• RQ1 . DAG、MAG、CPDAG、PAGのあらゆるクラスにおいて、共変量調整に妥当で完全な図的基準は何か？
• RQ2 . マルコフ同値クラス内で有効な調整集合が存在する場合、それがどのように明示的に構築できるか？
• RQ3 . 提案された基準と、バックドア基準や一般化バックドア基準などの既存の調整基準との関係は何か？
• RQ4 . 構造的不確実性下での先行的グラフにおいて、調整集合をどのように効率的に列挙できるか？
• RQ5 . 潜在的交絡要因が存在する状況で、共変量の集合がすべてのバックドア経路を遮断し、コリダー・バイアスを防ぐための条件は何か？

主な発見

• . 提案された調整基準は、DAG、MAG、CPDAG、PAGという四つのグラフクラスすべてにおいて、共変量調整に関して妥当かつ完全である。
• . Corollary 15で定義された構成的調整集合は、ある有効な調整集合が存在する場合に、それを明示的かつ計算可能な形で提供する。
• . 調整集合の同定問題は、部分グラフにおけるm-分離集合の特定問題に還元され、効率的なアルゴリズム的構築が可能になる。
• . 基準は、図1aに示されたCPDAGにおいて、{A, Z} がXからYへの全因果効果の調整集合として妥当であることを正しく同定する。
• . 本稿は、DAGにおける調整基準の新たな妥当性と完全性の証明を提供し、因果推論分野の基礎的結果を強化する。
• . 本アプローチにより、真の因果グラフが不明であっても、マーティン同値クラス（例：CPDAGやPAG）が分かっていれば、因果効果推定が可能になる。