[論文レビュー] Telling cause from effect in deterministic linear dynamical systems

Naji Shajarisales, Dominik Janzing+2 more|arXiv (Cornell University)|Mar 4, 2015

Bayesian Modeling and Causal Inference参考文献 29被引用数 24

ひとこと要約

本稿では、因果の方向を特定するための新規手法であるスペクトル独立性基準（SIC）を提案する。この手法は、因果要因のパワースペクトルがフィルタの伝達関数の二乗と相関がないという仮説に裏打ちされており、決定的線形時不変（LTI）システムにおいて、Granger因果関係に比して優れた性能を示す。特に、時間遅れが不明な状況下でも優れた性能を発揮し、合成データおよび実世界のデータ（ラット海馬のLFP記録や音声エコー再構成）において強力な実証的結果を示している。

ABSTRACT

Inferring a cause from its effect using observed time series data is a major challenge in natural and social sciences. Assuming the effect is generated by the cause trough a linear system, we propose a new approach based on the hypothesis that nature chooses the "cause" and the "mechanism that generates the effect from the cause" independent of each other. We therefore postulate that the power spectrum of the time series being the cause is uncorrelated with the square of the transfer function of the linear filter generating the effect. While most causal discovery methods for time series mainly rely on the noise, our method relies on asymmetries of the power spectral density properties that can be exploited even in the context of deterministic systems. We describe mathematical assumptions in a deterministic model under which the causal direction is identifiable with this approach. We also discuss the method's performance under the additive noise model and its relationship to Granger causality. Experiments show encouraging results on synthetic as well as real-world data. Overall, this suggests that the postulate of Independence of Cause and Mechanism is a promising principle for causal inference on empirical time series.

研究の動機と目的

• 干渉が不適切な場合、特に加法的ノイズのない決定的システムにおいて、因果の方向を推定する課題に対処すること。
• 従来のGranger因果関係とは異なりノイズの仮定に依存しない因果推論手法を開発し、代わりにパワースペクトルと伝達関数のスペクトル的非対称性を活用すること。
• 決定的線形力学的システムの文脈において、因果とメカニズムの独立性（ICM）の仮説を、スペクトル的性質を用いて形式化し、検証すること。
• SICフレームワーク下での因果方向の同定可能性を明示し、従来の手法（例：Granger因果関係）と比較して理論的・実証的優位性を確立すること。
• 信号処理の原則に基づくスペクトル領域の基準を導入することで、ICMに基づく因果発見の適用範囲を時間系列に拡張すること。

提案手法

• 本手法は、スペクトル独立性基準（SIC）に基づく。SICは、LTIフィルタの伝達関数の二乗の大きさと、因果要因のパワースペクトルが統計的に相関がないと仮定する。
• SIC基準は、周波数ドメインにおける時間系列およびフィルタインパルス応答のフーリエ変換を用いて形式化された因果とメカニズムの独立性（ICM）の仮説に基づく。
• 時間領域における入力（原因）と出力（結果）の関係を畳み込みとして、周波数領域では乗算として表現するために、Z変換および離散フーリエ変換が用いられる。
• 因果方向は、候補となる原因のパワースペクトルと伝達関数の二乗との間のスペクトル相関を測定することで推定され、相関が低い方向が因果とされる。
• 非定常データに対してはスライディングウインドウ方式を用い、実世界の時間系列（例：LFP記録や音声エコー）の解析が可能となる。
• 性能評価には、Granger因果関係のp値を用いた強制的決定スキームを採用し、多数決および区間別精度を用いて実データセットと比較した。

実験結果

リサーチクエスチョン

• RQ1 加法的ノイズモデルに依存せずに、決定的線形時不変システムにおける因果方向を信頼性高く推定できるか？
• RQ2 周波数ドメインに形式化された因果とメカニズムの独立性（ICM）の仮説が、同定可能な因果構造を導くか？
• RQ3 観測された時間系列に未知の時間遅れが存在する状況下で、SIC手法はGranger因果関係に比べてどのように性能を発揮するか？
• RQ4 SIC基準は、神経記録や音声エコー信号などの実世界データにおいて、正しい因果方向を検出できるか？
• RQ5 SICフレームワークと、トレース法や線形Granger因果関係といった既存手法との間には、仮定の根拠および情報利用の観点でどのような関係があるか？

主な発見

• SIC手法は、ラット海馬のLFP記録において、解剖学的に確立された真の因果関係（CA3 → CA1）を識別する能力において、線形Granger因果関係を著しく上回った。
• 合成音声エコーデータにおいて、SICはすべてのテストケースで因果方向（信号 → エコー）を正しく同定した。スペクトル相関差（ρ_X→Y − ρ_Y→X）は、前向き方向で一貫して大きくなった。
• 時間遅れに対して強いロバストネスを示し、測定値に未知の遅延が存在する状況でも、Granger因果関係に比して理論的に優位であった。
• セグメント化された音声データの実験では、SICはさまざまなウインドウ長において高い性能を維持し、短いセグメントでも高い平均精度を達成した。
• SICフレームワークは、原因およびフィルタのスペクトル的性質にやや弱い仮定のもとで理論的同定可能性を提供し、トレース法を時間系列に拡張した。
• 実証的結果から、SIC仮説は実世界の時間系列において妥当で効果的な仮定であることが示され、因果推論への広範な応用の可能性を示唆している。