[论文解读] RCD: Repetitive causal discovery of linear non-Gaussian acyclic models with latent confounders

Takashi Maeda, Shohei Shimizu|arXiv (Cornell University)|Jan 13, 2020

Bayesian Modeling and Causal Inference被引用 10

一句话总结

本文提出RCD，一种基于因果功能模型的方法，通过迭代推断小变量子集间的因果方向来检测潜在混杂因子。通过使用双向箭头表示共享的潜在混杂因子，以及有向箭头表示直接因果效应，RCD在存在潜在混杂因子的情况下有效重建因果图，该方法在模拟数据和真实世界数据上均得到验证。

ABSTRACT

Causal discovery from data affected by latent confounders is an important and difficult challenge. Causal functional model-based approaches have not been used to present variables whose relationships are affected by latent confounders, while some constraint-based methods can present them. This paper proposes a causal functional model-based method called repetitive causal discovery (RCD) to discover the causal structure of observed variables affected by latent confounders. RCD repeats inferring the causal directions between a small number of observed variables and determines whether the relationships are affected by latent confounders. RCD finally produces a causal graph where a bi-directed arrow indicates the pair of variables that have the same latent confounders, and a directed arrow indicates the causal direction of a pair of variables that are not affected by the same latent confounder. The results of experimental validation using simulated data and real-world data confirmed that RCD is effective in identifying latent confounders and causal directions between observed variables.

研究动机与目标

• 为解决在存在潜在混杂因子时的因果发现挑战，因为这类混杂因子在现实世界数据中常扭曲因果关系。
• 将基于因果功能模型的方法扩展至可处理潜在混杂因子，以弥补此类方法中现有局限。
• 开发一种可同时识别因果方向与共享潜在混杂因子的方法，适用于可观测变量集合。
• 在未观测到的共同原因扭曲可观测依赖关系时，提升因果图重建的准确性。

提出的方法

• RCD采用重复推断策略，分析可观测变量的小子集，以评估因果关系并检测潜在的混杂因子。
• 它利用因果功能模型，在非高斯性和线性假设下推断可观测变量对之间的因果方向。
• 通过检测无法仅由直接因果关系解释的统计依赖关系，识别共享的潜在混杂因子。
• 对于共享相同潜在混杂因子的变量对，分配双向箭头；而有向箭头表示不受共享混杂影响的直接因果效应。
• 该算法将多个变量对的局部推断聚合起来，构建包含有向边和双向边的全局因果图。
• 该方法依赖条件独立性检验和非高斯性假设，以区分直接因果作用与混杂效应。

实验结果

研究问题

• RQ1 基于因果功能模型的方法能否在可观测变量具有复杂依赖关系时，有效检测潜在混杂因子？
• RQ2 如何从未知未观测变量的先验知识出发，从可观测数据中联合推断因果方向与潜在混杂因子结构？
• RQ3 与单对方法相比，重复推断策略在多大程度上提升了因果图重建的准确性？
• RQ4 在真实世界数据集中，所提出的方法能否有效区分直接因果效应与由潜在混杂因子引起的虚假关联？

主要发现

• RCD通过检测无法由直接因果关系解释的共享依赖关系，成功识别出潜在混杂因子。
• 该方法生成的因果图中，双向箭头准确表示受同一潜在混杂因子影响的变量对。
• 对于不共享潜在混杂因子的变量对，RCD利用函数模型假设实现了可靠的因果方向估计。
• 在模拟数据上的实验验证表明，RCD能正确恢复底层因果结构，包括潜在混杂因子模式。
• 在真实世界数据实验中，RCD在存在未观测混杂因子的情况下，仍表现出稳健的因果图重建性能。
• 重复推断策略通过先聚焦于局部变量关系，再聚合为全局结构，从而提升了检测准确性。