[论文解读] A review of some recent advances in causal inference

Marloes H. Maathuis, Preetam Nandy|arXiv (Cornell University)|Jun 25, 2015

Bayesian Modeling and Causal Inference参考文献 58被引用 4

一句话总结

本文综述了大规模观察性数据中因果推断的最新进展，重点探讨在因果结构已知或未知时估计因果效应的方法。文章介绍了图模型、do-演算以及IDA和FCI等算法在结构学习与因果效应估计中的应用，强调了在实际科学研究中方法的可应用性与不确定性量化。

ABSTRACT

We give a selective review of some recent developments in causal inference, intended for researchers who are not familiar with graphical models and causality, and with a focus on methods that are applicable to large data sets. We mainly address the problem of estimating causal effects from observational data. For example, one can think of estimating the effect of single or multiple gene knockouts from wild-type gene expression data, that is, from gene expression measurements that were obtained without doing any gene knockout experiments. We assume that the observational data are generated from a causal structure that can be represented by a directed acyclic graph (DAG). First, we discuss estimation of causal effects when the underlying causal DAG is known. In large-scale networks, however, the causal DAG is often unknown. Next, we therefore discuss causal structure learning, that is, learning information about the causal structure from observational data. We then combine these two parts and discuss methods to estimate (bounds on) causal effects from observational data when the causal structure is unknown. We also illustrate this method on a yeast gene expression data set. We close by mentioning several extensions of the discussed work.

研究动机与目标

• 为不熟悉图模型与因果推断的研究人员提供现代因果推断方法的全面但易懂的综述。
• 聚焦于适用于大规模数据集的技术，特别是那些源自观察性数据的方法，其中随机实验不可行。
• 阐明因果问题与非因果问题之间的区别，以及观察性数据与实验数据之间的区别，以指导正确的问题建模。
• 介绍在因果结构已知或未知时估计因果效应的方法，包括结构学习与调整准则。
• 突出开放挑战，如不确定性量化，以及观察性数据相较于随机实验的局限性。

提出的方法

• 使用图模型（DAGs、CPDAGs、MAGs、PAGs）表示因果关系与条件独立结构。
• 应用do-演算与后门准则，识别用于估计干预分布的有效调整集。
• 采用基于约束的方法（如PC、FCI）与基于评分的方法，从未观察数据中学习因果结构。
• 引入IDA与JointIDA作为在因果图部分已知时，从未观察数据中估计因果效应的方法。
• 利用样本分割与基于残差的方法，提升因果效应估计中不确定性量化的准确性。
• 对FCI、RFCI与FCI+等算法进行改进，以处理高维与异质性数据，包括时间序列与存在隐性混杂因素的数据。

实验结果

研究问题

• RQ1 当潜在因果结构已知时，如何从未观察数据中估计因果效应？
• RQ2 有哪些方法可用于从未观察数据中学习因果结构，特别是在高维或复杂场景下？
• RQ3 当因果结构未知时，如何利用IDA与JointIDA等算法估计因果效应的大小？
• RQ4 观察性数据在估计因果效应方面存在哪些局限性？如何对估计结果的不确定性进行恰当量化？
• RQ5 如何使因果推断方法适应时间序列、隐变量与异质性数据源？

主要发现

• 通过图模型与do-演算，从未观察数据中进行因果推断是可能的，但结果对未测量的混杂因素与模型假设敏感。
• 后门准则提供了有效调整的充分条件，近期研究已为各种图类型建立了调整的必要与充分条件。
• IDA与JointIDA即使在完整因果图未知的情况下，也能估计直接因果效应，但IDA中回归的标准化误差会低估真实不确定性。
• FCI、RFCI与FCI+等算法可在存在隐性变量与反馈回路的情况下实现因果结构学习，且已证明RFCI在高维情况下的一致性。
• 通过建模同时性与滞后依赖关系，时间序列数据可被用于因果推断，结合VAR模型与基于残差的结构学习方法。
• 样本分割与基于残差的方法可产生渐近有效的置信区间，从而改善因果效应估计中的不确定性量化。