[論文レビュー] From Deterministic ODEs to Dynamic Structural Causal Models

Paul K. Rubenstein, Stephan Bongers+2 more|arXiv (Cornell University)|Aug 29, 2016

Bayesian Modeling and Causal Inference参考文献 13被引用数 19

ひとこと要約

本稿は、動的構造的因果モデル（DSCM）を導入することで、常微分方程式（ODE）における時変介入下での漸近的システム行動のモデリングを可能にするよう、構造的因果モデル（SCM）を動的設定に拡張する。動的構造的安定性のもとでは、DSCMが任意の介入下でのODE軌道の漸近的挙動を正確に捉えることができることを証明しており、従来の静的平衡に限られた研究を一般化する。

ABSTRACT

Structural Causal Models are widely used in causal modelling, but how they relate to other modelling tools is poorly understood. In this paper we provide a novel perspective on the relationship between Ordinary Differential Equations and Structural Causal Models. We show how, under certain conditions, the asymptotic behaviour of an Ordinary Differential Equation under non-constant interventions can be modelled using Dynamic Structural Causal Models. In contrast to earlier work, we study not only the effect of interventions on equilibrium states; rather, we model asymptotic behaviour that is dynamic under interventions that vary in time, and include as a special case the study of static equilibria.

研究の動機と目的

• 静的平衡にとどまらない動的で時変する介入をODEでモデリングするため、SCMフレームワークを静的平衡を超えて拡張すること。
• 介入下でのODEの漸近的挙動を記述できるDSCMをODEから導出可能な十分条件を同定すること。
• 初期条件に依存しない静的平衡に収束すると仮定する従来の研究の制限を是正すること。
• 決定論的ODEと因果モデリングの間の正式な橋渡しをDSCMによって提供し、非平衡動的システムにおける因果推論を可能にすること。

提案手法

• 動的SCMの拡張として、時間経過に伴う介入と、漸近的軌道によって記述される結果を特徴とする動的構造的因果モデル（DSCM）を提案する。
• 漸近的挙動に基づく軌道の同値性を定義し、一時的ダイナミクスからの抽象化を可能にする。
• 介入がODEの漸近的挙動の定性的構造を変えることを防ぐために、動的構造的安定性の概念を導入する。
• Mooijら（2013）の手法の修正版を用い、SCMフレームワーク内で平衡状態の代わりに連続時間軌道を用いる。
• 漸近的軌道上で構造方程式モデルを構築することでODEからDSCMを導出し、介入を時間依存do記法によって適用する。
• ODEが特定の介入集合に関して動的構造的に安定である限り、その結果得られるDSCMは、すべてのこのような介入下での漸近的ダイナミクスを正確にモデリングできることを確立する。

実験結果

リサーチクエスチョン

• RQ1 時変介入下で静的平衡に収束しないシステムをモデリングするため、SCMフレームワークを動的状態に拡張できるか？
• RQ2 ODEとその介入が満たすべき十分条件は何か？ その条件下で、漸近的挙動を正確に捉える有効なDSCMを導出可能か？
• RQ3 DSCMフレームワークは、連続時間ダイナミクスと介入を扱う点で、動的ベイジアンネットワーク（DBN）とどのように異なるか？
• RQ4 DSCMが漸近的挙動を正確に表現できる意味とは何か？ また、DBNにおける近似離散化と比較してどう異なるか？
• RQ5 DSCMフレームワークを初期条件依存性や確率的要素を有する動的システムに対応させるには、どのように一般化できるか？

主な発見

• 動的構造的安定性のもとでは、任意の時変介入下でのODE軌道の漸近的挙動をモデリングできるDSCMをODEから導出可能であることが確立された。
• 導出されたDSCMは、ODEの介入下での漸近的ダイナミクスを正確に捉えており、DBNのような離散時間モデルに内在する近似を回避する。
• フレームワークは、非定数かつ時変する介入を許容する点で、従来の静的平衡仮定を越えて一般化している。
• DSCMの構築は一時的ダイナミクスに依存せず、長期的挙動にのみ焦点を当てるため、複雑なシステムにおける簡潔な因果推論を可能にする。
• 本手法は、非平衡動的システムにおけるSCMの使用に理論的基盤を提供し、システム生物学、神経科学、工学分野への応用が期待される。
• DBNでは時間分解能を高めるに従い計算コストが増加するのに対し、DSCMは連続的ダイナミクスを近似するのではなく漸近的挙動を直接モデリングするため、そのコスト増加を回避する。