[論文レビュー] Structuring Causal Tree Models with Continuous Variables

Lei Xu, Judea Pearl|arXiv (Cornell University)|Mar 27, 2013

Bayesian Modeling and Causal Inference参考文献 1被引用数 4

ひとこと要約

本稿では、連続変数から木構造の因果モデルを再構築する手法を提案し、隠れた補助変数を活用することで、同時正規性の下で、ペアワイズ依存関係からトポロジーと内部的関係の両方が回復可能であることを示している。主な貢献は、二値変数の場合と比較して識別可能性の条件がより緩いことであり、連続的設定における因果木モデルの適用範囲を著しく拡大している。

ABSTRACT

This paper considers the problem of invoking auxiliary, unobservable variables to facilitate the structuring of causal tree models for a given set of continuous variables. Paralleling the treatment of bi-valued variables in [Pearl 1986], we show that if a collection of coupled variables are governed by a joint normal distribution and a tree-structured representation exists, then both the topology and all internal relationships of the tree can be uncovered by observing pairwise dependencies among the observed variables (i.e., the leaves of the tree). Furthermore, the conditions for normally distributed variables are less restrictive than those governing bi-valued variables. The result extends the applications of causal tree models which were found useful in evidential reasoning tasks.

研究の動機と目的

• 従来の手法が二値または離散変数に限定されていたのに対し、連続変数への因果木モデリングを拡張すること。
• 隠れた補助変数が連続系における因果木トポロジーと関係の同定を可能にするかどうかを調査すること。
• 連続変数を用いた因果木の構造が、観測データから一意に回復可能となる条件を特定すること。
• 連続変数と二値変数の両者における識別可能性条件を比較し、連続系ではより緩い仮定でよいことを示すこと。

提案手法

• 本手法は、観測された連続変数が、隠れた補助変数の集合によって条件付き独立であると仮定し、木構造の因果モデルを形成する。
• 観測変数の同時正規分布を活用し、ペアワイズ偏相関係数から木のトポロジーと条件付き依存関係が回復可能となる条件を導出する。
• ガウスグラフィカルモデルのd-分離性の性質を用いて、観測変数間の条件付き独立関係を同定する。
• 共分散分解技術を適用し、偏相関のゼロ・非ゼロのパターンを分析することで、元の木構造を特定する。
• 偏相関の強度と符号に基づいて反復的に親子関係を同定することで、因果木を構築する。
• 理論的分析により、同時正規性のもとでは、干渉なしに観測共分散行列のみから構造が同定可能であることが示された。

実験結果

リサーチクエスチョン

• RQ1 連続変数を用いた木構造の因果モデルは、観測されたペアワイズ依存関係のみから一意に再構築可能か？
• RQ2 連続変数の同時分布にどのような条件が課されると、因果木におけるトポロジーと条件付き関係の両方が同定可能になるか？
• RQ3 連続変数における識別可能性条件は、二値変数の場合と比べてどのように異なるか？
• RQ4 どれほどまでに隠れた補助変数が連続系における因果構造の回復を支援できるか？
• RQ5 同時正規性の仮定は、連続変数を用いた因果木の構造同定に十分か？

主な発見

• 同時正規性のもとでは、因果木の構造—トポロジーと条件付き依存関係の両方—が、観測変数間のペアワイズ依存関係から完全に回復可能である。
• ペアワイズ依存関係からの識別可能性に要する条件は、二値変数の場合よりも緩く、Pearl (1986) が示した結果と一致する。
• 干渉や追加データを一切必要とせず、観測変数の共分散行列のみを用いても、本手法は因果木を効果的に再構築できる。
• 回復プロセスは、偏相関による条件付き独立の検出に依存しており、正規性のもとではこれが木構造の同定に十分である。
• 本手法により、因果木モデルの適用範囲が連続データへと一般化され、連続測定を含む証拠推論タスクへの応用が可能になった。
• 理論的枠組みにより、隠れた補助変数の存在が、すべての変数を直接観測できない状況でも因果構造の同定を可能にすることが確認された。