[论文解读] An Alternative Markov Property for Chain Graphs

Steen A. Andersson, David Madigan+1 more|arXiv (Cornell University)|Feb 13, 2013

Bayesian Modeling and Causal Inference参考文献 22被引用 45

一句话总结

本文為鏈圖（混合圖，結合有向與無向邊，用於建模因果與關聯依賴）引入了一種替代的馬爾可夫性質（AMP）。與LWF馬爾可夫性質不同，AMP更直接地延伸了無環有向圖（ADG）的馬爾可夫性質，為鏈圖中的條件獨立性提供了更直觀且統計上一致的解釋，特別是在同時涉及觀察數據與干預數據的情境下。

ABSTRACT

Graphical Markov models use graphs, either undirected, directed, or mixed, to represent possible dependences among statistical variables. Applications of undirected graphs (UDGs) include models for spatial dependence and image analysis, while acyclic directed graphs (ADGs), which are especially convenient for statistical analysis, arise in such fields as genetics and psychometrics and as models for expert systems and Bayesian belief networks. Lauritzen, Wermuth and Frydenberg (LWF) introduced a Markov property for chain graphs, which are mixed graphs that can be used to represent simultaneously both causal and associative dependencies and which include both UDGs and ADGs as special cases. In this paper an alternative Markov property (AMP) for chain graphs is introduced, which in some ways is a more direct extension of the ADG Markov property than is the LWF property for chain graph.

研究动机与目标

• 解決LWF馬爾可夫性質在鏈圖中所導致的直覺上不自然的條件獨立性斷言之限制。
• 發展一種鏈圖的馬爾可夫性質，使其更自然地延伸自無環有向圖（ADG）的馬爾可夫性質。
• 提供一個統計上一致且可解釋的框架，用於使用混合圖建模因果與關聯依賴。
• 改進鏈圖中條件獨立性的表達，特別是在同時涉及觀察與干預數據的應用中。

提出的方法

• 基於適應於兼具有向與無向邊的混合圖的d-separated概念，提出一種新的鏈圖馬爾可夫性質（AMP）。
• 利用m-separated概念定義AMP馬爾可夫性質，該概念透過考慮圖中鏈成分的結構，將d-separated推廣至鏈圖。
• 使用AMP性質表徵由鏈圖表示的變數機率分配的條件獨立結構。
• 建立AMP性質可導出與圖結構一致的聯合機率分配因子分解。
• 證明AMP性質在馬爾可夫等價性下不變，確保模型選擇的穩健性。
• 比較AMP性質與LWF性質在條件獨立性推論上的差異，顯示AMP可避免LWF所導致的某些直覺上不自然的後果。

实验结果

研究问题

• RQ1 如何制定鏈圖的馬爾可夫性質，使其更直接地延伸自無環有向圖的馬爾可夫性質？
• RQ2 與LWF性質相比，所提出的AMP馬爾可夫性質在條件獨立性上的含義為何？
• RQ3 AMP性質是否能帶來更具直覺性且統計上一致的有向與無向邊混合圖形模型解釋？
• RQ4 AMP性質能否用來推導出尊重圖結構的聯合機率分配的有效因子分解？
• RQ5 在馬爾可夫等價性與模型選擇方面，AMP性質與LWF性質相比有何差異？

主要发现

• AMP馬爾可夫性質比LWF性質更直接且直觀地將ADG馬爾可夫性質延伸至鏈圖。
• AMP性質可避免LWF性質可能引發的某些直覺上不自然的條件獨立性斷言。
• AMP性質可導出與圖結構一致的聯合機率分配的有效因子分解。
• AMP性質在馬爾可夫等價性下不變，確保等價圖會產生相同的條件獨立結構。
• AMP性質被證明更適合用於混合圖形模型中建模因果與關聯依賴。
• 本文證明AMP性質能為鏈圖中的條件獨立性提供更一致的解釋，特別是在同時涉及觀察與干預數據的應用中。