[论文解读] An Upper Bound for Random Measurement Error in Causal Discovery

Tineke Blom, Anna Klimovskaia+2 more|arXiv (Cornell University)|Oct 18, 2018

Bayesian Modeling and Causal Inference参考文献 15被引用 5

一句话总结

本文提出一种数据驱动方法，从观测的协方差矩阵中估计随机测量误差方差的上界，从而在基于约束的因果发现中实现校正。通过将测量误差不确定性传播至偏相关系数估计，该方法提升了因果结构学习的性能——在模拟数据和真实世界蛋白质信号传导网络上的实验表明，其精度高于未经校正的方法。

ABSTRACT

Causal discovery algorithms infer causal relations from data based on several assumptions, including notably the absence of measurement error. However, this assumption is most likely violated in practical applications, which may result in erroneous, irreproducible results. In this work we show how to obtain an upper bound for the variance of random measurement error from the covariance matrix of measured variables and how to use this upper bound as a correction for constraint-based causal discovery. We demonstrate a practical application of our approach on both simulated data and real-world protein signaling data.

研究动机与目标

• 解决由于真实世界数据中未考虑的随机测量误差导致的因果发现不可靠问题。
• 开发一种原则性、自适应的方法，从未观测到的真实变量中估计测量误差方差的上界。
• 通过将测量误差不确定性纳入条件独立性检验，校正基于约束的因果发现算法。
• 在存在测量误差的情况下，提升因果结构学习的可靠性与可重复性。
• 在合成数据和真实世界蛋白质信号传导数据集上验证该方法。

提出的方法

• 该方法利用观测变量的协方差矩阵，推导出随机测量误差方差的上界。
• 利用消失四元组约束，识别涉及潜在共同原因的 d-分离集合。
• 将测量误差不确定性传播至偏相关系数估计，以优化条件独立性检验。
• 该方法基于强忠实性，且无需因果充分性假设，因此对未观测混杂因素更具鲁棒性。
• 通过调整条件独立性检验中的阈值，将校正整合进局部因果发现（LCD）算法。
• 利用上界设定偏相关系数检验的自适应阈值，替代固定的超参数。

实验结果

研究问题

• RQ1 我们能否在不了解真实变量的前提下，从未观测数据中估计出随机测量误差方差的上界？
• RQ2 将测量误差不确定性纳入考虑后，如何提升基于约束的因果发现算法的性能？
• RQ3 与标准方法相比，所提出的校正方法是否能提升因果结构学习中的精确率与召回率？
• RQ4 在真实世界生物数据集中，测量误差在多大程度上扭曲了条件独立性检验？
• RQ5 该方法能否有效应用于高维、高噪声的数据，如蛋白质信号传导网络？

主要发现

• 该方法在真实世界蛋白质信号传导数据集中成功估计出测量误差方差的上界为 0.14。
• 在蛋白质信号传导数据上，使用上界校正的方法（λ−u）的精确率高于未经校正的偏相关系数阈值（λ）。
• λ−u 方法与 p 值阈值（α）方法表现相当，且两者均显著优于随机猜测。
• 校正方法在低召回率条件下表现更优，表明其能更好检测出真实的条件独立关系。
• 该方法在模拟数据和真实世界生物数据上均表现出鲁棒性与有效性，显著提升了因果发现的可靠性。