[论文解读] Complete Graphical Characterization and Construction of Adjustment Sets in Markov Equivalence Classes of Ancestral Graphs

Emilija Perković, Johannes Textor+2 more|arXiv (Cornell University)|Jun 22, 2016

Bayesian Modeling and Causal Inference参考文献 23被引用 31

一句话总结

本文提出了一种针对因果图马尔可夫等价类（包括DAG、MAG、CPDAG和PAG）的协变量调整的可靠且完备的图形准则。该准则统一了这些模型中的调整标准，提供了显式且可构造的合法调整集构建方法，并提供了高效的算法用于枚举，从而在结构不确定性或潜变量混杂的情况下实现因果效应估计。

ABSTRACT

We present a graphical criterion for covariate adjustment that is sound and complete for four different classes of causal graphical models: directed acyclic graphs (DAGs), maximum ancestral graphs (MAGs), completed partially directed acyclic graphs (CPDAGs), and partial ancestral graphs (PAGs). Our criterion unifies covariate adjustment for a large set of graph classes. Moreover, we define an explicit set that satisfies our criterion, if there is any set that satisfies our criterion. We also give efficient algorithms for constructing all sets that fulfill our criterion, implemented in the R package dagitty. Finally, we discuss the relationship between our criterion and other criteria for adjustment, and we provide new soundness and completeness proofs for the adjustment criterion for DAGs.

研究动机与目标

• . 本文旨在统一并扩展多种因果图模型类别的现有调整准则。
• 它解决了在真实因果结构未知或部分指定时的协变量调整挑战。
• 目标是提供一种在马尔可夫等价类中识别合法调整集时既可靠又完备的准则。
• 它旨在解决观测研究中关于应调整哪些变量的常见误解，特别是在存在潜变量混杂或撞衫偏差的情况下。
• 该工作使得在无需完全掌握底层因果图的情况下也能实现因果效应估计。

提出的方法

• . 本文提出了一种统一适用于DAG、MAG、CPDAG和PAG的广义调整准则。
• 它通过推论15定义了构造性调整集，若存在合法调整集，则可显式构建出一个具体且可计算的集合。
• 该方法将调整集识别问题转化为在子图中寻找m-分离集的问题，利用了van der Zander等人（2014）的研究结果。
• 它利用图论性质，如d-分离、m-分离以及Forb(X,Y,D)的概念，来刻画合法调整集。
• 理论证明建立了该准则在全部四类图中的可靠性和完备性。
• 该方法已实现在R包dagitty中，可高效计算给定图的所有合法调整集。

实验结果

研究问题

• RQ1 . 在DAG、MAG、CPDAG和PAG中，是否存在一种既可靠又完备的图形准则用于协变量调整？
• RQ2 . 当马尔可夫等价类中存在合法调整集时，如何显式构造该调整集？
• RQ3 . 所提出的准则与现有调整准则（如后门准则或广义后门准则）之间有何关系？
• RQ4 . 在结构不确定性下，如何高效枚举因果图中的调整集？
• RQ5 . 在存在潜变量混杂的情况下，何种条件可确保协变量集合阻断所有后门路径并防止撞衫偏差？

主要发现

• . 所提出的调整准则在四类图（DAG、MAG、CPDAG和PAG）中均对协变量调整具有可靠性和完备性。
• . 推论15定义了构造性调整集，若存在合法调整集，则可提供一个具体且可计算的集合以满足调整准则。
• . 该方法将寻找调整集的问题转化为在子图中识别m-分离集的问题，从而实现高效的算法构造。
• . 该准则正确识别出在图1a所示的CPDAG中，{A, Z}是X对Y总因果效应的合法调整集。
• . 本文为DAG中的调整准则提供了新的可靠性和完备性证明，强化了因果推断中的基础性结果。
• . 该方法即使在真实因果图未知的情况下，只要已知其马尔可夫等价类（如CPDAG或PAG），也能实现因果效应估计。