[論文レビュー] Every LWF and AMP chain graph originates from a set of causal models

Jose M. Peña|arXiv (Cornell University)|Dec 10, 2013

RNA and protein synthesis mechanisms被引用数 1

ひとこと要約

本稿は、選択バイアス下での因果モデル系から自然に生じるLWFおよびAMPチェーングラフ（CG）が、条件付き下での一連の有向無環グラフ（DAG）の独立モデルの共通部分集合に関して包含最適である独立モデルを表すことを示している。これにより、複数のレジームにまたがる共通の独立構造を表現するものとしてのCGの使用が正当化される。

ABSTRACT

This paper aims at justifying LWF and AMP chain graphs by showing that they do not represent arbitrary independence models. Specifically, we show that every chain graph is inclusion optimal wrt the intersection of the independence models represented by a set of directed and acyclic graphs under conditioning. This implies that the independence model represented by the chain graph can be accounted for by a set of causal models that are subject to selection bias, which in turn can be accounted for by a system that switches between different regimes or configurations.

研究の動機と目的

• LWFおよびAMPチェーングラフが任意の独立モデルではなく因果モデルから生じることを示すことにより、それらの正当化を図ること。
• MVR CGとは異なり、LWFおよびAMP CGに因果的根拠が欠けているという問題に対処すること。MVR CGはDAGの周辺化によって正当化されるが、それとは対照的である。
• すべてのLWFおよびAMP CGが、条件付き下での一連のDAGの独立モデルの共通部分集合に関して包含最適であることを示すこと。
• CGを、異なるレジーム間を切り替えるシステムとしての因果的解釈を提供すること。各レジームは選択バイアス下でのDAGでモデル化され、CGはそれらの共通する独立構造を捉える。
• チェーングラフと複数の因果モデルとの間の正式なリンクを確立し、グラフィカルモデリングにおけるその使用に原則的基盤を提供すること。

提案手法

• 条件付き下での一連のDAGの独立モデルの共通部分集合に関して、包含最適であるとされるチェーングラフGαを定義する。
• Gαを、トポロジカル順序でブロックを処理することで構築する。この際、各ノードに対して2つの主要操作を用いる：最小隣接集合（neGα(X)）の特定と、最小親集合（paGα(X)）の特定。
• グラフィオイドの性質（分解、弱い和集合、対称性、収縮）を用いて、Gαにおける独立性に関する記述を導出し、検証する。
• 背理法による包含最適性の証明：別のAMP CG Hαが包含最小であり、かつGαと異なる場合、neGα(X)およびpaGα(X)の構築が矛盾することを示す。
• DAGの条件付き独立モデルの共通部分集合がコンセンサスモデルを形成することを活用し、CGがこのコンセンサスを最適に表現することを示す。
• 事前に計算済みの隣接集合および親集合に依存することで、ブロック間での一貫性を保ち、再帰的依存関係の解消により正しさを維持する。

実験結果

リサーチクエスチョン

• RQ1 LWFおよびAMPチェーングラフは、任意の独立モデルではなく、因果モデルから生じると言えるか？
• RQ2 条件付き下での複数のDAGのコンセンサス独立構造をチェーングラフで形式的に表現できるか？
• RQ3 すべてのLWFおよびAMP CGが、条件付き下での一連のDAGの独立モデルの共通部分集合に関して包含最適であることを示せるか？
• RQ4 複数の因果モデル（条件付きDAG）の体系を、すべての共有される条件付き独立性を保持する1つのチェーングラフに一貫的に統合できるか？
• RQ5 選択バイアス下での複数のDAGの共通部分集合を表すチェーングラフの因果的解釈は何か？

主な発見

• すべてのLWFおよびAMPチェーングラフは、条件付き下での一連のDAGの独立モデルの共通部分集合に関して包含最適である独立モデルを表す。
• チェーングラフGαの構築により、共通部分集合に含まれるすべての独立性が保持され、同じ条件下で他のチェーングラフがそれより小さな独立性集合を表現することは不可能である。
• Gαは、定義上のneGα(X)およびpaGα(X)に関する背理法による証明により、共通部分集合モデルおよび与えられたチェーン構造に関して包含最小であることが示された。
• 証明により、包含最小である別のAMP CG Hαが存在する場合、HαもGαと同一の隣接集合および親集合を持つ必要があることが示され、Gαが構築規則のもとで一意であることが示された。
• 結果として、因果的解釈が得られる：チェーングラフは、選択バイアス下で異なるDAGでモデル化される複数のレジームを切り替えるシステムを表しており、CGはそれらの共通する独立構造を捉えている。
• 本手法は平衡分布や決定的ノードに依存せず、近似や特別な分布的仮定に依存する従来の手法よりも、より強い正当性を提供する。