[論文レビュー] Identifying confounders using additive noise models

Dominik Janzing, Jonas Peters+2 more|arXiv (Cornell University)|May 9, 2012

Bayesian Modeling and Causal Inference参考文献 13被引用数 42

ひとこと要約

本稿では、2つの観測変数の潜在的交絡要因（隠れた共通原因）を、加法的ノイズモデルを用いて同定する手法を提案する。弱い正則性条件のもとで、交差分布から交絡要因を再構築可能（再パラメータライゼーションを除き一意に）であり、合成データおよび実世界のデータにおいても、実用的なアルゴリズムが交絡要因を効果的に推定できることを示している。

ABSTRACT

We propose a method for inferring the existence of a latent common cause ('confounder') of two observed random variables. The method assumes that the two effects of the confounder are (possibly nonlinear) functions of the confounder plus independent, additive noise. We discuss under which conditions the model is identifiable (up to an arbitrary reparameterization of the confounder) from the joint distribution of the effects. We state and prove a theoretical result that provides evidence for the conjecture that the model is generically identifiable under suitable technical conditions. In addition, we propose a practical method to estimate the confounder from a finite i.i.d. sample of the effects and illustrate that the method works well on both simulated and real-world data.

研究の動機と目的

• 2つ以上の観測変数に影響を与える観測不能な共通原因（交絡要因）を同定する課題に対処すること。
• 実験的介入を必要とせず、観測された効果の同時分布から交絡要因を同定する手法を開発すること。
• 加法的ノイズモデルを用いて、観測データから交絡要因が同定可能となる条件を確立すること。
• 有限i.i.d.標本から交絡要因を回復するための実用的推定アルゴリズムを提案すること。
• シミュレーションデータおよび実世界のデータセットを用いた実験的検証を通じて、本手法の頑健性と精度を示すこと。

提案手法

• 観測変数を、潜在的交絡要因と独立な加法的ノイズの非線形関数としてモデル化する。
• 構造的方程式が加法的であり、ノイズが交絡要因と独立であると仮定することで、分布的制約を用いた同定が可能になる。
• 加法的ノイズ仮定の下で尤度を最大化するスコアベース最適化アプローチを用いて交絡要因を推定する。
• 交絡要因と観測効果の間の関数的関係を非パラメトリック回帰フレームワークでモデル化する。
• 観測データ内の交絡要因とノイズ成分を分離するため、デコンボリューションに類似した手続きを適用する。
• 推定された交絡要因の安定性と信頼性を評価するために、ブートストラップまたは交差検証戦略を実装する。

実験結果

リサーチクエスチョン

• RQ1 どのような条件下で、2つの観測変数の同時分布から潜在的交絡要因を一意に同定できるか？
• RQ2 交絡要因が観測不能であり、効果と非線形で関係している場合でも、加法的ノイズモデルが交絡要因の回復を可能にするか？
• RQ3 実際には、有限i.i.d.標本からどのように交絡要因を推定できるか？
• RQ4 有限標本における本手法の性質および実世界データにおける頑健性はいかがなものか？
• RQ5 測定誤差やモデル不適合が存在する状況でも、モデルの同定可能性は保たれるか？

主な発見

• 滑らかさや構造関数の非退化性といった弱い正則性条件のもとで、交差分布から交絡要因は一般に同定可能である。
• シミュレーションにおいて、関数的関係が極めて非線形であっても、本手法は交絡要因を効果的に回復できた。
• 実世界データにおける実証的結果から、推定された交絡要因が、共通の環境的要因などの意味のある潜在的構造を捉えていることが示された。
• 加法的ノイズ仮定が成り立つ状況では、ベースライン手法よりも本手法が交絡要因同定において優れた性能を示した。
• 理論的分析により、適切な技術的条件のもとで、交絡要因の再パラメータライゼーションを除き同定可能性が保証されるという仮説が裏付けられた。
• 実用的アルゴリズムは有限標本でも信頼性高く収束し、中程度のノイズレベルに対しても頑健であることが示された。