[논문 리뷰] Structuring Causal Tree Models with Continuous Variables

Lei Xu, Judea Pearl|arXiv (Cornell University)|2013. 03. 27.

Bayesian Modeling and Causal Inference참고 문헌 1인용 수 4

한 줄 요약

이 논문은 연속 변수로부터 비관측 보조 변수를 활용하여 트리 구조의 원인-결과 모델을 복원하는 방법을 제안하며, 공동 정규분포 하에서 쌍별 의존성만으로도 구조와 내부 관계가 복원될 수 있음을 입증한다. 주요 기여는 이산 변수보다 더 엄격한 조건이 필요하지 않다는 점으로, 원인 트리 모델의 연속 변수 적용 가능성을 크게 넓힌다.

ABSTRACT

This paper considers the problem of invoking auxiliary, unobservable variables to facilitate the structuring of causal tree models for a given set of continuous variables. Paralleling the treatment of bi-valued variables in [Pearl 1986], we show that if a collection of coupled variables are governed by a joint normal distribution and a tree-structured representation exists, then both the topology and all internal relationships of the tree can be uncovered by observing pairwise dependencies among the observed variables (i.e., the leaves of the tree). Furthermore, the conditions for normally distributed variables are less restrictive than those governing bi-valued variables. The result extends the applications of causal tree models which were found useful in evidential reasoning tasks.

연구 동기 및 목표

• 이전 방법이 이산 또는 이진 변수에 국한되어 있었던 것과 달리, 원인 트리 모델링을 연속 변수로 확장하는 것.
• 비관측 보조 변수가 연속 시스템에서 원인 트리의 구조와 관계를 식별하는 데 기여할 수 있는지 조사하는 것.
• 관측된 데이터로부터 연속 변수를 가진 원인 트리의 구조가 유일하게 복원될 수 있는 조건을 규명하는 것.
• 연속 변수와 이진 변수의 경우에 대해 식별 가능성 조건을 비교하여, 연속 변수의 경우 더 엄격하지 않은 가정이 요구됨을 보여주는 것.

제안 방법

• 관측된 연속 변수들이 비관측 보조 변수 집합에 조건부로 독립일 때, 트리 구조의 원인-결과 모델을 형성한다고 가정한다.
• 관측된 변수들의 공동 정규분포를 활용하여, 쌍별 부분상관계수로부터 트리의 구조와 조건부 의존성 관계를 복원할 수 있는 조건을 도출한다.
• 가우시안 그래프 모델의 d-분리 성질을 이용해 관측된 변수들 간의 조건부 독립 관계를 추론한다.
• 공분산 분해 기법을 적용하여 부분상관계수의 0과 비영인 패턴을 분석함으로써 기저의 트리 구조를 식별한다.
• 부분상관계수의 강도와 부호에 기반해 반복적으로 부모-자식 관계를 식별함으로써 원인 트리를 구축한다.
• 이론적 분석을 통해 공동 정규성 하에서는 간섭 없이도 관측된 공분산 행렬만으로도 구조가 식별 가능하다는 것을 입증한다.

실험 결과

연구 질문

• RQ1 관측된 쌍별 의존성만으로도 연속 변수를 가진 트리 구조의 원인-결과 모델이 고유하게 재구성될 수 있는가?
• RQ2 연속 변수의 공동 분포에 어떤 조건이 요구되어야 원인 트리의 구조와 조건부 관계가 모두 식별될 수 있는가?
• RQ3 원인 트리 모델에서 연속 변수의 식별 가능성 조건은 이진 변수의 경우와 어떻게 비교되는가?
• RQ4 비관측 보조 변수가 연속 시스템에서 원인 구조 복원을 얼마나 잘 지원할 수 있는가?
• RQ5 공동 정규성 가정이 연속 변수를 가진 원인 트리에서 구조 식별에 충분한가?

주요 결과

• 공동 정규성 하에서는 관측된 변수들 간의 쌍별 의존성만으로도 원인 트리의 구조—구조적 형태와 조건부 의존성 관계—를 완전히 복원할 수 있다.
• 펄(1986)의 결과에 비추어 볼 때, 연속 변수의 식별 가능성에 요구되는 조건은 이진 변수의 경우보다 덜 엄격하다.
• 이 방법은 간섭이나 추가 데이터 없이도 관측된 변수들의 공분산 행렬만으로도 원인 트리를 성공적으로 재구성한다.
• 복원 과정은 부분상관계수를 통한 조건부 독립성 탐지에 의존하며, 정규성 하에서는 이 조건이 트리 구조 식별에 충분하다.
• 이 방법은 원인 트리 모델의 적용 가능성을 연속 데이터로 일반화하여, 연속 측정치를 포함한 증거 기반 추론 작업에 활용할 수 있게 한다.
• 이론적 프레임워크는 비관측 보조 변수의 존재가 직접 관측이 어려운 모든 변수가 있을지라도 원인 구조 식별을 가능하게 한다는 점을 확인한다.