[논문 리뷰] Theoretical Aspects of Cyclic Structural Causal Models

Stephan Bongers, Jonas Peters외 2명|arXiv (Cornell University)|2016. 11. 18.

Bayesian Modeling and Causal Inference참고 문헌 10인용 수 9

한 줄 요약

이 논문은 순환성과 잠재적 혼란 요인을 허용하는 구조적 인과모형(SCM)에 대한 일반 이론을 개발하며, 비순환 SCM에서 성립하는 표준 성질들—예를 들어 해의 존재성, 분포의 유일성, 마르코프 성질—이 일반적으로 순환 모델에서는 성립하지 않음을 보여준다. 이는 비순환 SCM의 핵심 성질을 유지하면서 순환 사례로 확장할 수 있는 '간단한 SCM'이라는 클래스를 도입하여, 순환 구조를 포함한 인과 모델링을 위한 기초 조건을 설정한다.

ABSTRACT

Structural causal models (SCMs), also known as (non-parametric) structural equation models (SEMs), are widely used for causal modeling purposes. In particular, acyclic SCMs, also known as recursive SEMs, form a well-studied subclass of SCMs that generalize causal Bayesian networks to allow for latent confounders. In this paper, we investigate SCMs in a more general setting, allowing for the presence of both latent confounders and cycles. We show that in the presence of cycles, many of the convenient properties of acyclic SCMs do not hold in general: they do not always have a solution; they do not always induce unique observational, interventional and counterfactual distributions; a marginalization does not always exist, and if it exists the marginal model does not always respect the latent projection; they do not always satisfy a Markov property; and their graphs are not always consistent with their causal semantics. We prove that for SCMs in general each of these properties does hold under certain solvability conditions. Our work generalizes results for SCMs with cycles that were only known for certain special cases so far. We introduce the class of simple SCMs that extends the class of acyclic SCMs to the cyclic setting, while preserving many of the convenient properties of acyclic SCMs. With this paper we aim to provide the foundations for a general theory of statistical causal modeling with SCMs.

연구 동기 및 목표

• 순환성과 잠재적 혼란 요인이 존재할 경우 구조적 인과모형(SCM)의 이론적 한계를 조사하는 것.
• 비순환 SCM에서 성립하는 표준 성질들—예를 들어 해의 존재성 및 분포의 유일성—이 순환 설정에서 왜 실패하는지 밝혀내는 것.
• 순환 SCM이 관찰 및 간섭 분포의 고유성을 유지할 수 있는 해의 존재 조건을 설정하는 것.
• 비순환 SCM의 일반화로서 '간단한 SCM'이라는 클래스를 도입하고 공식화하여, 순환 사례에서도 핵심적인 구조적 및 확률적 성질을 유지하는 것.
• 순환성과 관측되지 않은 혼란 요인을 포함하는 통합적인 통계적 인과 모델링 이론의 기초를 다지는 것.

제안 방법

• 논문은 순환 SCM을 분석하기 위해 모델을 정의하는 구조 방정식 시스템의 해의 존재성과 유일성을 검토한다.
• 순환 SCM이 고유한 해를 도출할 수 있도록 보장하는 해의 존재 조건을 도입하며, 이는 관찰, 간섭 및 반사적 분포가 잘 정의됨을 보장한다.
• 저자들은 '간단한 SCM'을 정의하고 특성화하여, 비순환 SCM의 마르코프 성질을 유지하고 잠재적 투영을 통한 일관된 마진화를 가능하게 하는 순환 SCM의 부분집합으로서 정의한다.
• 그래프 이론적 및 대수적 도구를 사용하여 구조 방정식과 그래프에 담긴 인과적 의미 간의 일관성을 분석한다.
• 해의 존재 조건이 성립할 경우, 순환 SCM의 마진 모델이 잠재적 투영을 존중함을 증명한다. 이는 관측된 구조와 관측되지 않은 구조 간의 호환성을 보장한다.
• 해의 존재 조건 하에서, 간단한 SCM의 마르코프 성질이 성립함을 보이며, 그래프의 d-분리 성질과 분포 내 조건부 인dependence 간의 연결을 통해 이를 입증한다.

실험 결과

연구 질문

• RQ1 잠재적 혼란 요인이 존재하는 순환 SCM이 해를 갖는 조건은 무엇인가?
• RQ2 순환 SCM이 고유한 관찰, 간섭 및 반사적 분포를 유도하는 조건은 무엇인가?
• RQ3 순환 SCM에 대해 항상 마진 모델이 존재하는가? 만약 존재한다면, 그 마진 모델은 원래 모델의 잠재적 투영을 존중하는가?
• RQ4 마르코프 성질이 순환 SCM에서 유지될 수 있는가? 만약 가능하다면 어떤 구조적 조건이 필요한가?
• RQ5 비순환 SCM의 클래스는 어떻게 일반화되어 순환성을 포함하면서도 해의 고유성 및 분포 일관성과 같은 핵심 성질을 유지할 수 있는가?

주요 결과

• 순환 SCM은 항상 해를 갖지 않으며, 해가 존재하더라도 고유성이 보장되지 않는다.
• 해의 존재 조건이 없을 경우, 순환 SCM은 고유한 관찰, 간섭 또는 반사적 분포를 유도하지 못한다.
• 순환 SCM에서 관측 변수에 대한 마진화가 항상 존재하는 것은 아니며, 존재하더라도 결과로 얻어진 마진 모델이 원래 모델의 잠재적 투영을 존중하지 않을 수 있다.
• 일반적으로 순환 SCM에서는 마르코프 성질이 성립하지 않으며, 그래프의 구조가 분포의 조건부 인dependence 구조를 반영하지 않을 수 있다.
• 순환 SCM의 그래프가 항상 그 인과적 의미와 일치하지는 않으며, 간선의 방향성이 실제 인과적 영향과 일치하지 않을 수 있다.
• 비순환 SCM의 핵심 성질들—예를 들어 해의 존재성, 분포의 유일성, 마르코프 성질—을 잘 정의된 해의 존재 조건 하에서 유지하는 순환 SCM의 부분집합으로서 '간단한 SCM'의 클래스를 도입한다.