[논문 리뷰] Markov equivalence classes for maximal ancestral graphs

R. Ayesha Ali, Thomas S. Richardson|arXiv (Cornell University)|2002. 08. 01.

Bayesian Modeling and Causal Inference참고 문헌 10인용 수 7

한 줄 요약

이 논문은 최대형 원천 그래프의 마르코프 등가 클래스를 유일하게 표현하기 위해 조인 연산을 도입하여 효율적인 모델 검색을 가능하게 한다. 분리 기준을 확장하고, 조인된 그래프에 대해 쌍별 마르코프 성질을 증명함으로써 글로벌 마르코프 성질의 기초를 마련하며, 기존의 DAG 이론에서의 결과를 잠재 변수와 선택 변수를 포함한 원천 그래프로 일반화한다.

ABSTRACT

Ancestral graphs provide a class of graphs that can encode conditional independence relations that arise in directed acyclic graph (DAG) models with latent and selection variables, corresponding to marginalization and conditioning. However, for any ancestral graph, there may be several other graphs to which it is Markov equivalent. We introduce a simple representation of a Markov equivalence class of ancestral graphs, thereby facilitating the model search process for some given data. More specifically, we define a join operation on ancestral graphs which will associate a unique graph with an equivalence class. We also extend the separation criterion for ancestral graphs (which is an extension of d-separation) and provide a proof of the pairwise Markov property for joined ancestral graphs. Proving the pairwise Markov property is the first step towards developing a global Markov property for these graphs. The ultimate goal of this work is to obtain a full characterization of the structure of Markov equivalence classes for maximal ancestral graphs, thereby extending analogous results for DAGs given by Frydenberg (1990), Verma and Pearl (1991), Chickering (1995) and Andersson et al. (1997).

연구 동기 및 목표

• 잠재 변수와 선택 변수가 존재하는 상황에서 마르코프 등가인 여러 원천 그래프가 존재하는 문제를 해결하기 위해.
• 기존 DAG 이론에서 사용되는 본질적 DAG와 유사한 최대형 원천 그래프에 대한 마르코프 등가 클래스의 정규 표현을 개발하기 위해.
• 원천 그래프의 분리 기준을 확장하고, 조인된 그래프에 대해 쌍별 마르코프 성질을 증명하여 글로벌 마르코프 성질로 가는 단계를 마련하기 위해.
• 기존의 DAG에서의 마르코프 등가 결과를 Frydenberg, Verma & Pearl, Chickering, Andersson 등이 수행한 기초 연구를 포함하여 원천 그래프로 일반화하기 위해.

제안 방법

• 동일한 마르코프 등가 클래스에 속하는 여러 그래프의 간선을 조합하여 유일한 대표 그래프를 생성하는 원천 그래프에 대한 조인 연산을 도입한다.
• 잠재 변수와 선택 변수가 존재하는 상황에서의 조건화 및 마진화를 처리할 수 있도록 원천 그래프의 분리 기준(기존 d-분리와 유사)을 확장한다.
• 조인된 원천 그래프에 대해 쌍별 마르코프 성질을 정의하고, 조인 연산을 통해 조건부 인적 관계가 유지됨을 증명한다.
• 조인 연산을 사용하여 각 마르코프 등가 클래스에 대해 정규 그래프를 구성함으로써 유일성을 보장하고 모델 검색을 용이하게 한다.
• 쌍별 마르코프 성질을 증명하여 글로벌 마르코프 성질의 이론적 기초를 마련하며, 전체 글로벌 특성화에 필요한 전제 조건을 확보한다.
• 최대형 원천 그래프의 구조적 성질을 활용하여 조인 연산이 필수적인 조건부 인적 구조를 유지함을 보장한다.

실험 결과

연구 질문

• RQ1 잠재 변수와 선택 변수가 존재하는 상황에서 최대형 원천 그래프의 마르코프 등가 클래스를 어떻게 유일하게 표현할 수 있는가? 이는 모델 검색을 단순화하는 데 기여한다.
• RQ2 마진화와 조건화를 고려할 때, 원천 그래프에 적합한 d-분리 기준의 적절한 확장은 무엇인가?
• RQ3 원천 그래프에 대한 조인 연산이 쌍별 마르코프 성질을 유지하는가? 즉, 조건부 인적 관계가 유지되는가?
• RQ4 조인된 원천 그래프에 대해 쌍별 마르코프 성질을 엄밀하게 증명할 수 있는가? 이를 통해 글로벌 마르코프 성질 개발이 가능해진다.
• RQ5 원천 그래프의 구조적 성질은 DAG의 경우와 유사하게 마르코프 등가 클래스를 어떻게 특성화할 수 있는가?

주요 결과

• 제안된 조인 연산은 각 마르코프 등가 클래스에 대해 고유한 원천 그래프 대표를 생성하여 정규 표현을 가능하게 한다.
• 원천 그래프의 분리 기준은 조건화 및 마진화를 포함하도록 성공적으로 확장되어 d-분리의 일반화를 이룬다.
• 조인된 원천 그래프에 대해 쌍별 마르코프 성질이 성립함을 확인하여, 조인 연산을 통해 조건부 인적 관계가 유지됨을 증명한다.
• 쌍별 마르코프 성질의 증명은 원천 그래프에 대한 글로벌 마르코프 성질 개발을 위한 핵심 기초를 제공한다.
• 이 프레임워크는 Frydenberg, Verma & Pearl, Chickering, Andersson 등이 수행한 기초 연구를 포함하여, 기존 DAG 이론의 마르코프 등가 결과를 최대형 원천 그래프로 일반화한다.
• 조인 연산을 통한 정규 표현은 잠재 변수와 선택 변수가 존재하는 데이터에서 마르코프 등가 모델을 검색하는 데 간소화한다.