[论文解读] The inflation technique solves completely the classical inference problem

Miguel Navascués, Elie Wolfe|arXiv (Cornell University)|Jul 20, 2017

Bayesian Modeling and Causal Inference被引用 7

一句话总结

本文提出了一种基于膨胀的松弛形式层次结构，用于因果相容性问题，证明该方法渐近收敛至零误差测试。研究表明，通过第 $n^{\text{th}}$ 阶膨胀测试的任意分布，在欧几里得范数下与真正相容的分布距离为 $O(n^{-1/2})$，从而以递减的误差解决了经典的推理问题。

ABSTRACT

The causal compatibility question asks whether a given causal structure graph -- possibly involving latent variables -- constitutes a genuinely plausible causal explanation for a given probability distribution over the graph's observed variables. Algorithms predicated on merely necessary constraints for causal compatibility typically suffer from false negatives, i.e. they admit incompatible distributions as apparently compatible with the given graph. In [arXiv:1609.00672], one of us introduced the inflation technique for formulating useful relaxations of the causal compatibility problem in terms of linear programming. In this work, we develop a formal hierarchy of such causal compatibility relaxations. We prove that inflation is asymptotically tight, i.e., that the hierarchy converges to a zero-error test for causal compatibility. In this sense, the inflation technique fulfills a longstanding desideratum in the field of causal inference. We quantify the rate of convergence by showing that any distribution which passes the $n^{th}$-order inflation test must be $O\left(n^{-1/2} ight)$-close in Euclidean norm to some distribution genuinely compatible with the given causal structure. Furthermore, we show that for many causal structures, the (unrelaxed) causal compatibility problem is faithfully formulated already by either the first or second order inflation test.

研究动机与目标

• 为解决因果相容性测试中长期存在的假阴性问题，即错误地将不相容分布判定为相容。
• 基于膨胀技术，构建一种系统化的松弛层次结构，逐步收紧对因果相容性的约束。
• 证明膨胀方法收敛至零误差测试，从而在因果相容性验证中实现渐近紧致性。
• 以欧几里得距离衡量，量化膨胀层次结构的收敛速率。
• 识别出第一阶或第二阶膨胀测试即可完全捕捉完整因果相容条件的因果结构。

提出的方法

• 本文通过根据系统化的膨胀规则，迭代复制因果结构中的隐变量和可观测变量，构建了基于膨胀的正式层次结构。
• 该层次结构的每一级均生成一组关于联合分布的线性约束，这些约束源自膨胀后因果图的条件独立性。
• 该方法将因果相容性问题表述为关于膨胀变量的线性规划问题，从而能够高效计算松弛边界的值。
• 通过证明当 $n \to \infty$ 时，满足第 $n^{\text{th}}$ 阶膨胀测试的分布集合收缩至真实的相容分布集合，从而证明了该层次结构的收敛性。
• 通过将通过第 $n^{\text{th}}$ 阶测试的任意分布与最近的真实相容分布之间的欧几里得距离界定为 $O(n^{-1/2})$，量化了收敛速率。
• 对于特定的因果结构，本文证明第一阶或第二阶膨胀测试已足以完全刻画相容性条件。

实验结果

研究问题

• RQ1 能否将膨胀技术形式化为一个层次结构，使其渐近收敛至真实的相容分布集合？
• RQ2 膨胀层次结构在近似因果相容性集合时的收敛速率为何？
• RQ3 在哪些因果结构中，第一阶或第二阶膨胀测试已足以完全捕捉完整的相容性条件？
• RQ4 膨胀方法如何消除因果相容性测试中的假阴性？
• RQ5 能否利用膨胀层次结构构建一个因果相容性的零误差测试？

主要发现

• 该膨胀层次结构具有渐近紧致性，意味着随着膨胀阶数增加，其收敛至零误差的因果相容性测试。
• 通过第 $n^{\text{th}}$ 阶膨胀测试的任意分布，在欧几里得范数下与真正与因果结构相容的分布距离为 $O(n^{-1/2})$。
• 对于许多常见的因果结构，因果相容性问题已由第一阶或第二阶膨胀测试忠实捕捉，意味着在这些层级以上无需进一步松弛。
• 该方法通过系统性地在膨胀过程中收紧约束，解决了以往算法中假阴性的问题。
• 收敛速率 $O(n^{-1/2})$ 为层次结构中每一级松弛的准确性提供了定量保证。
• 研究结果确立了膨胀技术作为经典因果相容性问题的完整解决方案，实现了因果推断领域长期追求的目标。