[論文レビュー] Leveraging directed causal discovery to detect latent common causes

Ciarán M. Lee, Christopher D. Hart+2 more|arXiv (Cornell University)|Oct 22, 2019

Bayesian Modeling and Causal Inference参考文献 27被引用数 4

ひとこと要約

本稿では、純粋な有向因果発見アルゴリズム（IGCI および KCDC）を拡張するヒューリスティック手法を提案し、新たな検定統計量 Δ の分散と平均を分析することで、潜在的な共通原因を同定する。変更を加えたアルゴリズムは、合成データおよび実世界のデータにおいて共通原因を的確に同定する一方で、有向因果関係の区別において高い精度を維持している。

ABSTRACT

The discovery of causal relationships is a fundamental problem in science and medicine. In recent years, many elegant approaches to discovering causal relationships between two variables from observational data have been proposed. However, most of these deal only with purely directed causal relationships and cannot detect latent common causes. Here, we devise a general heuristic which takes a causal discovery algorithm that can only distinguish purely directed causal relations and modifies it to also detect latent common causes. We apply our method to two directed causal discovery algorithms, the Information Geometric Causal Inference of (Daniusis et al., 2010) and the Kernel Conditional Deviance for Causal Inference of (Mitrovic, Sejdinovic, & Teh, 2018), and extensively test on synthetic data -- detecting latent common causes in additive, multiplicative and complex noise regimes -- and on real data, where we are able to detect known common causes. In addition to detecting latent common causes, our experiments demonstrate that both the modified algorithms preserve the performance of the original in distinguishing directed causal relations.

研究の動機と目的

• 実世界のデータ（例：医療記録）において一般的に見られる潜在的共通原因を同定できないという、既存の因果発見アルゴリズムの限界を解消すること。
• 加法的ノイズや線形性といった強い仮定を必要とせず、純粋な有向因果発見手法を拡張して潜在的交絡要因を同定できる一般化されたヒューリスティックを開発すること。
• 共通原因の検出能力を追加しながらも、元のアルゴリズムが有向因果関係を区別する性能を維持すること。
• 多様な合成データの設定（加法的ノイズ、乗法的ノイズ、複雑なノイズ）および共通原因が既知の実世界データセットで、手法の有効性を検証すること。

提案手法

• ベースとなる因果発見アルゴリズムの出力から導出される検定統計量 Δ の平均と分散に基づくヒューリスティックなしきい値戦略を適用する。
• 各原因-効果ペアについて、複数回の実行における Δ の値を計算し、因果方向スコアの分布の平均と分散を推定する。
• Δ の平均が高く、分散が低い場合、有向因果関係を示す。一方、平均が低く、分散が高い場合、潜在的共通原因を示唆する。
• 本手法は、情報幾何的因果推論（IGCI）および因果推論のためのカーネル条件付き分散（KCDC）という2つの最先端のアルゴリズムに適用される。
• 有向構造と共通原因構造を区別するためのしきい値は、ドメイン知識と実証的分析に基づき設定され、CAN や KCDC といった先行研究の原則に従う。
• 本手法は、ベースアルゴリズムの再訓練や構造的変更を必要とせず、Δ 統計量を用いた出力の後処理のみで実現される。

実験結果

リサーチクエスチョン

• RQ1 純粋な有向因果発見アルゴリズムは、そのコア構造を変更せずに、潜在的共通原因を同定できるように拡張可能か？
• RQ2 共通原因を検出する際、提案されたヒューリスティックは、元のアルゴリズムの有向因果関係の区別精度を維持するか？
• RQ3 本手法は、合成データにおけるさまざまなノイズ設定（加法的、乗法的、複雑なノイズ）でどの程度の性能を示すか？
• RQ4 本手法は、乳がんウィsコン州データセットや自動車燃費データセット（AutoMPG）といった実世界のデータセットで、既知の共通原因を正しく同定できるか？
• RQ5 Δ 統計量の平均と分散は、どのようにして有向構造と共通原因構造を信頼性高く区別できるか？

主な発見

• NLSchools データセットでは、modKCDC が平均 Δ 0.933、分散 0.007 を示し、社会経済的地位から言語スコアへの有向因果関係が、真の事実と整合していることが示された。
• 乳がんウィスコンシン州データセットでは、modKCDC と modIGCI の両方が、平均 Δ が低く（それぞれ 0.491 と 0.308）、分散が高く（それぞれ 0.081 と 0.062）なっており、円周とコンパクトネスの間の共通原因が正しく同定された。
• AutoMPG データセットでは、modKCDC が平均 Δ = 0.639、分散 = 0.086 を示し、加速と MPG 間に共通原因があると示唆した。一方、modIGCI は平均が低く（0.124）、分散が極めて低い（0.00062）結果を示し、これも共通原因と整合的であった。
• 変更を加えたアルゴリズムは、有向因果関係の区別において高い性能を維持しており、Tübingen 因果関係ペairデータセットでは modKCDC で 73%、modIGCI で 74% の精度を達成し、元のアルゴリズムと同等の性能を示した。
• Δ のヒューリスティックしきい値は、多様なデータタイプおよびノイズ設定で有効であり、広範なハイパーパramータチューニングを必要とせず、強固な性能を示した。
• 本手法は、因果構造が既知の実世界データにおいても、潜在的共通原因を的確に同定でき、医療および科学的応用における実用的価値を裏付けた。