[論文レビュー] Sample-Specific Root Causal Inference with Latent Variables

Eric V. Strobl, Thomas A. Lasko|arXiv (Cornell University)|Oct 27, 2022

Bayesian Modeling and Causal Inference被引用数 6

ひとこと要約

この論文は、潜在的交絡要因を伴う線形非ガウス線形非巡回モデル（LiNGAM）におけるサンプル固有の根本的因果推論のための方法である、Latents を用いた誤差抽出（EEL）を提案する。EEL は有向誘導経路における汚染を伴っても誤差項を回復し、スパースな依存関係グラフを用いてシャープレー値を効率的に計算する。合成データおよび実世界のデータセットにおいて、従来手法を上回る精度と耐障害性を達成している。

ABSTRACT

Root causal analysis seeks to identify the set of initial perturbations that induce an unwanted outcome. In prior work, we defined sample-specific root causes of disease using exogenous error terms that predict a diagnosis in a structural equation model. We rigorously quantified predictivity using Shapley values. However, the associated algorithms for inferring root causes assume no latent confounding. We relax this assumption by permitting confounding among the predictors. We then introduce a corresponding procedure called Extract Errors with Latents (EEL) for recovering the error terms up to contamination by vertices on certain paths under the linear non-Gaussian acyclic model. EEL also identifies the smallest sets of dependent errors for fast computation of the Shapley values. The algorithm bypasses the hard problem of estimating the underlying causal graph in both cases. Experiments highlight the superior accuracy and robustness of EEL relative to its predecessors.

研究の動機と目的

• 従来の根本的因果推論手法が潜在的交絡要因なしを仮定しているという制限に対処すること。
• 観測変数に影響を与える未観測の共通原因が存在する状況において、サンプル固有の根本的要因を特定する原理的かつ整合的な手法を開発すること。
• 潜在的交絡要因が存在する中でも、誤差項のシャープレー値を正確かつ効率的に計算できること。
• 因果グラフの回復を回避しつつ、交絡要因下でも高い性能を維持できること。
• 合成データおよび因果構造の真値がわかっている臨床およびフローサイトメトリーの実データセットを用いて、手法の妥当性を検証すること。

提案手法

• EEL は、線形構造的方程式モデル（SEM）における残差としての誤差項を、未観測変数による交絡が存在しても回復する。
• 有向誘導経路（潜在的交絡要因が誤差項に影響を与える経路）を同定することで、誤差回復における汚染を考慮する。
• EEL は、回復された誤差項間の統計的関係を要約するスパースな無向依存関係グラフを構築する。
• 依存関係の局所的・小規模な近傍を平均化することで、シャープレー値の効率的計算を可能にする。
• LiNGAM の非ガウス性と非巡回性の仮定を活用し、交絡下でも誤差項の同定可能性を保証する。
• 全因果グラフ推定を避けて、誤差項抽出と局所的依存構造に焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 構造方程式モデルからの誤差項を用いて、潜在的交絡要因が存在する状況でも、サンプル固有の根本的要因を正確に同定できるか。
• RQ2 交絡が誤差項の回復にどのように影響し、その結果生じる汚染を定量化できるか。
• RQ3 未観測変数が誘導する依存関係がある状況でも、誤差項のシャープレー値を効率的に計算できるか。
• RQ4 交絡下において、EEL は既存手法を上回る順位付けの正確性と平均二乗誤差（MSE）を達成するか。
• RQ5 生物学的および臨床的データにおいて、交絡の程度やサンプルサイズの変動に対して、EEL は耐障害性を示すか。

主な発見

• 合成データ（n = 100,000、20% 交絡）において、EEL は 0.980 の最高平均 RBO 値を達成し、競合手法を著しく上回った。
• 100,000 個のサンプルと 20% の交絡下で、EEL は 2 番目の最良手法よりも RBO で 15.6% の優位性を示し、強力なスケーラビリティと耐障害性を実証した。
• Pima 印第安人糖尿病データセットでは、EEL は近い競合手法と比較して平均 RBO で 10.7 ポints 高く、MSE は 57.8% 減少した。
• フローサイトメトリー データセットでは、EEL は 2 番目の最良手法よりも RBO で 8.3 ポイント優位で、MSE は 59.3% 減少した。
• 糖尿病データセットでは平均 9.2 秒、フローサイトメトリー データセットでは 64.6 秒の実行時間で、実用的な実行効率を示した。
• 交絡が存在しない状況でも EEL は競合性能を維持したが、RCI などの特化型非交絡手法には及ばなかった。これは、EEL が交絡状況に特化していることを裏付けた。