[论文解读] From Ordinary Differential Equations to Structural Causal Models: the deterministic case

Joris M. Mooij, Dominik Janzing+1 more|arXiv (Cornell University)|Apr 30, 2013

Bayesian Modeling and Causal Inference参考文献 15被引用 37

一句话总结

本文通过证明确定性常微分方程（ODE）系统的平衡态可表示为结构因果模型（SCM），即使在存在反馈回路的情况下亦成立，建立了 ODE 与 SCMs 之间的正式联系。关键贡献在于从连续时间动力学出发，系统推导出 SCMs，证明因果语义——包括干预——在平衡态下依然定义良好，从而在单一框架下统一了循环与无环因果建模。

ABSTRACT

We show how, and under which conditions, the equilibrium states of a first-order Ordinary Differential Equation (ODE) system can be described with a deterministic Structural Causal Model (SCM). Our exposition sheds more light on the concept of causality as expressed within the framework of Structural Causal Models, especially for cyclic models.

研究动机与目标

• 建立确定性连续时间动力系统（ODE）与结构因果模型（SCM）之间的正式联系。
• 证明即使在底层因果图包含环路的情况下，ODE 系统的平衡态仍可表示为 SCMs。
• 通过将结构方程建立在连续时间动力学而非离散时间不动点迭代的基础上，澄清循环模型中结构方程的因果语义。
• 表明不同的 ODE 动力学可产生相同的 SCM，强调 SCM 仅捕捉平衡态层面的因果关系，而非动力学细节。
• 为将 SCM 理论扩展至包含反馈和循环依赖的系统奠定基础，采用一种系统化、连续时间的框架。

提出的方法

• 作者使用带有初始条件的一阶 ODE 系统对系统进行建模，其中每个变量的变化率通过光滑函数依赖于其父变量。
• 将平衡态定义为所有时间导数为零的解，即 $ \dot{X}_i = 0 $，从而导出一组代数方程。
• 将这些平衡方程重新解释为 SCM 中的结构方程，其中每个变量在平衡态下是其直接原因的函数。
• SCM 的因果图源自 ODE 的依赖结构，有向边表示平衡方程中的函数依赖关系。
• 通过固定变量至新值并求解新平衡态，利用 do-演算实现完美干预，从而保持因果语义的一致性。
• 通过洛特卡-沃尔泰拉捕食者-猎物模型和阻尼谐振子链等实例说明该方法，展示了从 ODE 动力学到 SCM 的一致推导。

实验结果

研究问题

• RQ1 即使系统包含反馈回路，确定性 ODE 系统的平衡态能否表示为结构因果模型（SCM）？
• RQ2 ODE 系统的连续时间动力学如何产生 SCM 中明确定义的结构方程？这些方程的解释是什么？
• RQ3 SCM 中干预的因果语义与 ODE 系统在平衡态下的行为之间有何关系？
• RQ4 为何 ODE 系统的平衡表示对特定动力学细节（如阻尼、收敛速度）具有不变性？在这一抽象过程中丢失了哪些信息？
• RQ5 是否可以从不同的 ODE 系统推导出相同的 SCM？如果是，在何种条件下成立？

主要发现

• 确定性 ODE 系统的平衡态可被唯一地描述为一个结构因果模型（SCM），其中每个变量在平衡态下是其直接原因的函数。
• SCM 的因果图源自 ODE 的依赖结构，边表示平衡方程中的函数依赖关系。
• SCM 中的干预对应于将变量固定在新值并求解新平衡态，从而保持 do-演算的因果语义。
• 不同的 ODE 系统即使具有不同的动力学特性，也可产生相同的 SCM，表明 SCM 抽象掉了收敛速度和稳定性等动力学细节。
• 当基于连续时间 ODE 动力学时，SCM 中的循环结构方程是明确定义且可解释的，从而解决了关于循环因果性的担忧。
• 该框架为从由 ODE 描述的物理或生物模型中系统推导 SCMs 提供了原则性方法，尤其适用于时间序列数据不可用或系统快速达到平衡的情况。