[论文解读] Causes and Explanations: A Structural-Model Approach --- Part 1: Causes

Joseph Y. Halpern, Pearl, Judea|arXiv (Cornell University)|Jan 10, 2013

Bayesian Modeling and Causal Inference参考文献 28被引用 142

一句话总结

本文提出了一种基于结构因果模型的实际因果关系新定义，通过在结构方程系统中引入干预来形式化因果关系。该方法通过提供一个精确的反事实基础，解决了因果理论中长期存在的反例，以一致且优雅的方式处理了替代性因果、过度决定等复杂情况。

ABSTRACT

We propose a new definition of actual causes, using structural equations to model counterfactuals.We show that the definitions yield a plausible and elegant account ofcausation that handles well examples which have caused problems forother definitions and resolves major difficulties in the traditionalaccount. In a companion paper, we show how the definition of causality can beused to give an elegant definition of (causal) explanation.

研究动机与目标

• 解决实际因果关系定义中的持久性问题，特别是替代性因果和过度决定的情形。
• 基于结构方程，提供一个形式化且数学严谨的因果关系定义。
• 解决先前因果定义中的模糊性和不一致性，例如Pearl等人提出的定义。
• 为使用同一结构模型框架建立统一的因果解释理论奠定基础。
• 确保该定义与复杂现实场景中的直观因果判断保持一致。

提出的方法

• 使用结构方程建模因果系统，其中每个变量由其父节点和前定变量决定。
• 通过反事实干预定义实际因果关系：若对某一组变量进行干预会改变结果，则该组变量即为原因。
• 利用结构方程框架形式化‘差异制造’标准：在干预下，若某变量导致结果发生变化，则其为原因。
• 将该定义应用于标准因果悖论（如替代性因果、共同原因）以检验其稳健性和合理性。
• 引入‘最小’和‘充分’变量集合的概念，以避免因果关系的过度归因。
• 以反事实依赖为核心机制，判断某一变量是否为某一结果的原因。

实验结果

研究问题

• RQ1 如何形式化地定义实际因果关系，使其在不引入任意区分的前提下，有效处理替代性因果和过度决定？
• RQ2 结构模型方法能否提供一个统一的因果关系解释，且与直观的因果判断保持一致？
• RQ3 在复杂系统中，一个变量要被视为某一结果的原因，需满足哪些条件？
• RQ4 与Pearl和Lewis等人的现有理论相比，该定义在解决经典因果悖论方面表现如何？
• RQ5 该框架能否被系统性地扩展，以原则化方式定义因果解释？

主要发现

• 所提出的定义成功解决了经典反例，如替代性因果和过度决定，而先前理论在这些情况下均失败。
• 该框架将原因识别为最小变量集合，其干预会改变结果，从而避免了因果关系的过度归因。
• 在存在多个潜在原因的场景中（如‘蝴蝶效应’或‘共同原因’情形），模型能正确识别出真正的原因。
• 该定义与反事实推理一致，并与复杂场景中的直观因果判断保持一致。
• 该方法为后续论文中系统定义因果解释奠定了基础，显示出其更广泛的应用潜力。
• 与先前定义相比，结构模型方法在非马尔可夫设置下提供了更精确、更具普遍性的因果关系描述。