[論文レビュー] Telling cause from effect based on high-dimensional observations

Dominik Janzing, Patrik O. Hoyer+1 more|ArXiv.org|Sep 24, 2009

Bayesian Modeling and Causal Inference参考文献 12被引用数 39

ひとこと要約

本論文は、原因と結果のメカニズムを独立してサンプリングすることによって生じる共分散構造の非対称性を用いて、高次元変数間の因果方向を推定する手法を提案する。原因の共分散行列に対する直交変換の下での効果の共分散行列の典型性を分析することで、次元数が十分に高い場合には、線形・ガウス的・決定論的設定下でも高い正確性で真の因果方向を同定できる。

ABSTRACT

We describe a method for inferring linear causal relations among multi-dimensional variables. The idea is to use an asymmetry between the distributions of cause and effect that occurs if both the covariance matrix of the cause and the structure matrix mapping cause to the effect are independently chosen. The method works for both stochastic and deterministic causal relations, provided that the dimensionality is sufficiently high (in some experiments, 5 was enough). It is applicable to Gaussian as well as non-Gaussian data.

研究の動機と目的

• 既存の因果発見手法がマークフ・同値な因果グラフを区別できないという根本的制限に対処すること。
• 条件付き独立性の仮定が崩壊する決定論的またはガウス線形設定において、標準的手法が失敗する問題を克服すること。
• 非ガウス性や加法的ノイズを必要とせず、高次元共分散構造に依存する因果推論手法を開発すること。
• 条件付き確率に関する明示的事前分布を必要としない、対称性に基づく因果方向の基準を提供すること。
• シミュレーションおよび実世界の高次元データ（画像処理タスクを含む）を用いて、手法の妥当性を検証すること。

提案手法

• 観測された効果変数の共分散行列が、原因の共分散行列に対する直交変換の下で典型的であるかどうかをテストする。
• 直交変換群の作用下での典型性からの逸脱を測る統計量Δ（トレースに基づく）を定義する。
• 効果の共分散行列が原因共分散の変換された軌道（orbit）と比べて典型でない場合、因果仮説 X→Y を棄却する。
• 原因の共分散と因果メカニズム行列を独立にサンプリングすることで、逆方向では非一般的な関係が生じることを活用する。
• 次元数が十分に高い場合、大数の法則を用いて、前向き方向（原因 → 効果）では典型性が満たされ、逆方向では満たされないことを示す。
• 本手法は確率的および決定論的線形関係に適用可能であり、次元数が十分に高い場合にはガウス的および非ガウス的データに対しても有効である。

実験結果

リサーチクエスチョン

• RQ1 データがガウス的または決定論的であっても、高次元線形系において因果方向を信頼性高く推定できるか？
• RQ2 高次元設定において、原因と効果を区別する共分散構造の統計的非対称性が存在するか？
• RQ3 原因の直交変換の下での効果の共分散行列の典型性を、因果方向の同定基準として用いることができるか？
• RQ4 忠実性や非ガウス性の仮定が成り立たない場合でも、本手法は既存手法を上回る性能を示すか？
• RQ5 因果構造が既知の画像データのような実世界の高次元データに、本手法を適用できるか？

主な発見

• 合成フィルターやぼかしを施した数字画像データを用いた実験で、100件のテストケースのうち94件で元の画像を正しく同定した。
• 高次元設定では、前向き方向（原因 → 効果）では直交変換の下で典型的な共分散構造を示すが、逆方向では非典型的で不均衡な関係を示す。
• 従来の手法が失敗する決定論的線形関係およびガウス的設定においても、本手法は良好な性能を示す。
• 理論的分析により、原因の共分散とメカニズム行列を独立にサンプリングすると、逆因果方向に非一般的な関係が生じることを示した。
• 実験により、トレースに基づく統計量Δが逆方向において顕著にバイアスを示すことが判明し、検出可能な非対称性があることが示された。
• 本手法は、密度に基づく事前分布や非ガウス性に依存しない、対称性に基づく、事前分布を要しない因果方向の基準を提供する。