[论文解读] Discovery of non-gaussian linear causal models using ICA

Shohei Shimizu, Aapo Hyvärinen+2 more|arXiv (Cornell University)|Jul 4, 2012

Blind Source Separation Techniques参考文献 6被引用 12

一句话总结

本文提出LiNGAM方法，通过使用独立分量分析（ICA），从观测数据中发现连续、非高斯、线性、无环模型的完整因果结构。通过利用误差项的非高斯性并假设不存在未观测的混杂因素，该方法无需时间顺序即可唯一确定因果顺序与结构，从而在非高斯线性模型中实现一致的因果发现。

ABSTRACT

In recent years, several methods have been proposed for the discovery of causal structure from non-experimental data (Spirtes et al. 2000; Pearl 2000). Such methods make various assumptions on the data generating process to facilitate its identification from purely observational data. Continuing this line of research, we show how to discover the complete causal structure of continuous-valued data, under the assumptions that (a) the data generating process is linear, (b) there are no unobserved confounders, and (c) disturbance variables have non-gaussian distributions of non-zero variances. The solution relies on the use of the statistical method known as independent component analysis (ICA), and does not require any pre-specified time-ordering of the variables. We provide a complete Matlab package for performing this LiNGAM analysis (short for Linear Non-Gaussian Acyclic Model), and demonstrate the effectiveness of the method using artificially generated data.

研究动机与目标

• 开发一种从纯观测的、连续的、非实验数据中识别因果结构的方法。
• 解决在变量相互依赖且无时间顺序信息时的因果发现挑战。
• 利用扰动项的非高斯性作为因果结构学习的关键识别假设。
• 为线性、非高斯、无环模型（LiNGAM）提供完整且可实现的因果发现解决方案。
• 通过合成数据验证方法的有效性，并发布完整的Matlab软件包以确保可复现性。

提出的方法

• 该方法使用独立分量分析（ICA）将观测数据分解为对应于结构误差的独立分量。
• 假设数据生成过程是线性和无环的，且扰动项为非高斯且方差非零。
• 通过ICA识别唯一满足非高斯性约束的因子分解，从而恢复因果顺序。
• 通过寻找使误差项在统计上独立的因果排序来估计因果图。
• 该方法无需预先指定变量的时间顺序，完全依赖数据的统计特性。
• 提供完整的Matlab软件包，用于实现LiNGAM算法，并在合成数据集上验证结果。

实验结果

研究问题

• RQ1 当关系为线性且误差项为非高斯时，能否从观测数据中唯一识别系统的因果结构？
• RQ2 在缺乏变量时间顺序先验知识的情况下，如何恢复正确的因果顺序？
• RQ3 在无实验干预的情况下，非高斯性在实现因果模型识别中起到何种作用？
• RQ4 ICA能否有效用于估计线性非高斯模型中的结构系数和因果顺序？
• RQ5 该方法在合成数据上恢复真实因果结构时的鲁棒性和准确性如何？

主要发现

• LiNGAM方法在满足线性、无环性和非高斯误差假设的合成数据集中成功恢复了正确的因果结构。
• 由于扰动项的非高斯性，该方法能够唯一识别因果顺序，从而打破了高斯模型中固有的对称性。
• 基于ICA的估计方法实现了稳定且计算高效的因果发现，无需时间顺序信息。
• 该方法在人工数据上的因果结构恢复中表现出高精度，论文中的评估已证明这一点。
• 已发布一个完整且开源的Matlab软件包，支持方法的可复现性与实际应用。