[论文解读] Distinguishing Cause from Effect Based on Exogeneity

Kun Zhang, Jiji Zhang+1 more|arXiv (Cornell University)|Apr 22, 2015

Bayesian Modeling and Causal Inference参考文献 20被引用 13

一句话总结

该论文提出了一种非参数因果发现方法，通过检验结果变量条件分布中参数的前定性来区分原因与结果。该方法基于对边缘分布和条件分布的自助抽样推断，无需结构约束或光滑性假设即可识别因果方向，并在存在混淆因子时成功检测到它们。

ABSTRACT

Recent developments in structural equation modeling have produced several methods that can usually distinguish cause from effect in the two-variable case. For that purpose, however, one has to impose substantial structural constraints or smoothness assumptions on the functional causal models. In this paper, we consider the problem of determining the causal direction from a related but different point of view, and propose a new framework for causal direction determination. We show that it is possible to perform causal inference based on the condition that the cause is "exogenous" for the parameters involved in the generating process from the cause to the effect. In this way, we avoid the structural constraints required by the SEM-based approaches. In particular, we exploit nonparametric methods to estimate marginal and conditional distributions, and propose a bootstrap-based approach to test for the exogeneity condition; the testing results indicate the causal direction between two variables. The proposed method is validated on both synthetic and real data.

研究动机与目标

• 解决在双变量系统中区分原因与结果的挑战，而无需依赖结构方程模型中常见的强结构假设。
• 构建一个基于前定性统计概念的因果推断框架，该概念捕捉了原因应独立于决定结果机制的参数这一思想。
• 开发一种计算上可行的非参数方法，用于检验前定性，可应用于现实世界的观测数据。
• 通过评估在两个因果方向上前定性是否成立，实现对未观测到的混淆因子的检测。
• 为现有方法提供一种稳健的替代方案，这些方法通常需要光滑性或参数化函数形式假设。

提出的方法

• 提出一种框架，其中原因被视作结果条件分布参数的前定变量，基于数据生成过程中的原因应独立于结果机制参数的这一思想。
• 采用非参数核密度估计来建模原因的边缘分布以及给定原因下结果的条件分布。
• 使用自助抽样程序从经验分布生成多个合成数据集，以评估估计参数的抽样分布。
• 检验条件模型估计参数（如回归系数或密度参数）与原因边缘模型参数之间的统计独立性。
• 应用基于自助抽样的假设检验，评估原因是否对结果参数具有前定性；若原假设被拒绝，则表明该方向可能为因果方向。
• 利用检验结果推断因果方向：若仅在一个方向上满足前定性，则该方向被推断为因果方向。

实验结果

研究问题

• RQ1 原因对条件分布参数的前定性是否可作为区分原因与结果的有效准则？
• RQ2 基于非参数自助抽样的检验能否在不假设特定函数形式或数据生成过程光滑性的情况下检测因果方向？
• RQ3 该方法在多大程度上能够检测到因果关系中未观测到的混淆因子的存在？
• RQ4 与IGCI、ANM和GPI等现有方法相比，该基于前定性的方法在合成数据和真实世界数据中的表现如何？
• RQ5 当数据生成过程包含非线性关系或混淆变量时，该方法是否仍保持稳健性？

主要发现

• 在57个真实世界的因果对中，所提出的基于自助抽样的前定性检验正确识别了41对（准确率达72%），与现有领先方法表现相当。
• 在存在混淆因子的合成数据中，当混淆因子影响较强时，该方法成功检测到混淆的存在，表现为两个因果方向的p值均较低。
• 在线性混淆因子情形（α=0, b=0）下，当β值较高时，该方法优于IGCI和ANM，表明在强混淆条件下具有更好的因果方向检测能力。
• 在非线性混淆因子情形（α=0.2, b=0.3）下，该方法保持了强劲的表现，尤其在混淆因子影响显著时，能有效识别正确的因果方向。
• 在77个真实数据集中，该方法在20个数据集中检测到潜在混淆因子，表现为两个方向的p值均小于0.01，与复杂依赖模式的视觉检查结果一致。
• 该方法无需对函数形式施加光滑性或参数化假设，因此可应用于比基于SEM的方法更广泛的情境。