[论文解读] Identifying Direct Causes using Intervened Target Variable

Kang Du, Yu Xiang+1 more|arXiv (Cornell University)|Jul 15, 2023

Bayesian Modeling and Causal InferenceComputer Science被引用 3

一句话总结

该论文提出了一种新颖的方法，用于在目标变量被干预的情况下，识别线性结构因果模型中目标变量的直接因果父母，采用不变匹配属性（IMP）框架。通过利用仅干预目标变量的干预数据，该方法通过在不变匹配属性上的投票程序识别因果父母，在合成数据集和真实世界数据集（包括流式细胞术和COVID-19病例预测）上表现出稳健性能，即使在违反不变性假设的情况下亦然。

ABSTRACT

Identifying the direct causes or causal parents of a target variable is crucial for scientific discovery. Focusing on linear models, the invariant prediction framework was built upon the invariance principle, namely, the conditional distribution of the target variable given its causal parents is invariant across multiple environments or experimental conditions. However, their identifiability results for causal parents can be restrictive with respect to the underlying graph structure and the experimental conditions for generating interventional data. Motivated by a recent alternative formulation of invariance, called the invariant matching property, we establish identifiability results under relatively mild assumptions, which leads to a simple yet effective procedure for identifying causal parents. We demonstrate the performance of the proposed method over various synthetic and real datasets.

研究动机与目标

• 为解决现有不变因果预测（ICP）方法在目标变量被干预时失效的局限性。
• 在弱于先前工作的假设下建立因果父母的可识别性，特别是当仅目标变量被干预时。
• 开发一种简单但有效的投票程序，用于在有限样本设置下利用不变匹配属性（IMP）估计因果父母。
• 在具有已知结构的合成数据和因果结构未知或被破坏的真实世界数据上验证该方法。
• 证明IMP-based方法在因目标变量干预导致不变性假设被违反的场景下，可优于ICP和LiNGAM。

提出的方法

• 提出一种基于不变匹配属性（IMP）的新可识别性框架，该框架在目标变量给定其父母的条件分布在不同环境中保持不变时成立，即使目标变量被干预亦然。
• 引入一种投票程序，通过在多个环境中聚合IMP来估计因果父母集合，其中若某特征在给定环境中满足IMP条件，则获得一票。
• 使用线性最小均方误差（LMMSE）估计器定义IMP条件，以确保计算效率并提高对噪声的鲁棒性。
• 将该方法应用于合成数据和真实数据集（流式细胞术和COVID-19），并与ICP和LiNGAM进行比较。
• 采用显著性检验评估某特征集是否满足IMP条件，重点关注在不同环境中一致被选中的特征。
• 在标准不变性原理（ICP）因目标变量被干预而失效的条件下验证该方法。

实验结果

研究问题

• RQ1 当目标变量被干预时，是否可以在弱于标准不变性原理所需假设的条件下识别出目标变量的因果父母？
• RQ2 当仅目标变量被干预时，不变匹配属性（IMP）是否仍为有效的不变性形式，且可用于因果发现？
• RQ3 所提出的投票程序在目标变量被干预的场景下，与ICP和LiNGAM相比，识别因果父母的性能如何？
• RQ4 IMP-based方法是否能识别出真实世界数据集中因果结构未知或复杂的数据集（如流式细胞术和COVID-19数据集）中的有意义因果特征？
• RQ5 IMP方法的假设在实际中在多大程度上成立？当这些假设被违反时，该方法的鲁棒性如何？

主要发现

• 在流式细胞术数据集中，所提出方法正确识别出Raf是MEK 1/2的因果父母，这与已知的生物相互作用一致，且Raf获得了最高票数（在n=200时为46%）。
• 由于目标变量被干预，ICP在流式细胞术数据集中未能识别出任何因果父母，而所提出的基于IMP的方法成功检测到了真实父母。
• 在COVID-19数据集中，特征'病毒压力'（索引10）获得的票数显著多于其他特征，且其作为局部病例数的关键预测因子在生物学上是合理的，因其具有空间相关性。
• LiNGAM将目标变量识别为与其他所有变量隔离，可能是因为其依赖于非高斯性和连续变量假设，而这些假设在此场景中可能不成立。
• ICP在显著性水平0.05下拒绝了不变性原假设，表明当目标变量被干预时，标准不变性原理不成立。
• IMP${}_{ ext{inv}}$在显著性水平0.05下未能在COVID数据集中识别出任何IMP，表明不变性条件（4）被违反，可能由于非线性或隐性混杂因素。