📊 statistics

PAIR-CI: Calibrated Conditional Independence Testing for Causal Discovery with Incomplete Data

تقدم هذه الورقة PAIR-CI، وهو اختبار استقلال شرطي غير معلمي يدمج التضمين المتعدد مباشرة في الإجراء الاستدلالي عبر تصميم تبديل مزدوج للقضاء على التبعيات الزائفة الناتجة عن خطأ التضمين، مما يؤدي إلى استعادة المعايرة الإحصائية وتحسين دقة الاكتشاف السببي بشكل كبير في مجموعات البيانات ذات القيم المفقودة، لا سيما في ظل ظروف عدم الخطية والبيانات المفقودة بشكل غير عشوائي.

المؤلفون الأصليون: Thomas S. Robinson, Ranjit Lall

نُشر 2026-05-07

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Thomas S. Robinson, Ranjit Lall

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

إليك شرح لورقة بحثية بعنوان PAIR-CI باستخدام لغة بسيطة وتشبيهات من الحياة اليومية.

المشكلة الكبرى: "اللغز المكسور"

تخيل أنك تحاول فهم كيفية عمل آلة معقدة (مثل محرك السيارة) من خلال النظر إلى أجزائها. أنت تريد أن تعرف: هل شمعة الاحتراق هي التي تسبب دوران المحرك، أم أنها مجرد البطارية؟

في علم البيانات، يُسمى هذا الاكتشاف السببي (Causal Discovery). ولحل هذه المعضلة، يستخدم الباحثون طريقة تتحقق مما إذا كان جزءان مستقلين عن بعضهما البعض بمجرد أخذ جزء ثالث في الاعتبار. وهذا ما يسمى اختبار الاستقلال الشرطي (Conditional Independence Test).

العقبة: البيانات في العالم الحقيقي فوضوية. غالبًا ما تكون أجزاء اللغز مفقودة (مثل ترس مفقود في رسمك التخطيطي).

الطريقة القديمة: النهج القياسي هو "التخمين" (التعويض) لما تبدو عليه الأجزاء المفقودة أولاً، ثم إجراء الاختبار.
الخلل: تجادل الورقة البحثية بأن طريقة "خمن ثم اختبر" هذه تشبه محاولة حل لغز وأنت ترتدي نظارات ضبابية. إذا كان تخمينك للجزء المفقود خاطئًا قليلاً، فسيؤدي ذلك إلى خلق علاقة وهمية بين أجزاء ليست متصلة في الواقع. هذا يؤدي بالباحثين إلى رسم خطوط على خريطتهم حيث لا توجد خطوط حقيقية، مما يخلق خريطة زائفة لكيفية عمل الآلة.

الحل: PAIR-CI (نهج "الاقتران")

قدم المؤلفان، توماس روبنسون ورانجيت لال، طريقة جديدة تسمى PAIR-CI. وبدلاً من تخمين الأجزاء المفقودة ثم اختبارها، فهما يغيران قواعد اللعبة تمامًا.

فكر في الأمر كأنه اختبار تذوق في مسابقة طبخ:

الإعداد: لديك حساء (بياناتك) يحتوي على بعض المكونات المفقودة. تقوم بإنشاء عدة نسخ من الحساء حيث يتم ملء المكونات المفقودة بالتخمينات (وهذا ما يسمى "التعويض المتعدد").
الاقتران: لكل نسخة من الحساء، تقوم بإجراء اختبارين للتذوق جنباً إلى جنب:
- الاختبار (أ): يتذوق الطاهي الحساء مع المكون المرشح (على سبيل المثال: "هل إضافة الملح يغير النكهة؟").
- الاختبار (ب): يتذوق الطاهي الحساء بدون المكون المرشح (على سبيل المثال: "هل يظل طعم الحساء كما هو إذا افترضنا أن الملح لم يكن موجودًا؟").
الخدعة السحرية: من المهم جداً أن كلا الطاهيين يتذوقان نفس النسخة تماماً من الحساء مع نفس المكونات المخمنة.
- إذا كان "التخمين" للمكون المفقود سيئاً (نظارات ضبابية)، فسيؤثر ذلك على كلا الطاهيين بالتساوي.
- عندما تقارن بين النتيجتين، فإن "التخمين السيئ" يلغي نفسه. الأمر يشبه لو كان كلا الطاهيين يرتديان نفس النظارات الضبابية؛ سيعتقد كلاهما أن طعم الحساء غريب، ولكن عند مقارنة ملاحظاتهما، سيدركان: "مهلاً، الغرابة هي نفسها لدينا نحن الاثنين، لذا يجب أن تكون بسبب النظارات، وليس بسبب الحساء".

من خلال مقارنة النموذجين مباشرة، يقوم PAIR-CI بإزالة الخطأ الناتج عن تخمينات البيانات المفقودة، تاركاً فقط الإشارة الحقيقية.

لماذا يهم هذا: مشكلة "الإنذار الكاذب"

أجرى الباحثون آلاف عمليات المحاكاة لمعرفة مدى فعالية هذا النهج.

الطريقة القديمة: عندما كانت البيانات مفقودة بطرق معقدة (ليس عشوائياً فحسب، بل بشكل منهجي)، كانت الطرق القديمة تطلق "الإنذار الكاذب" (الاعتقاد بوجود اتصال بينما لا يوجد) بنسبة تترا بين 28% إلى 45%. هذا يشبه جهاز إنذار الدخان الذي يعمل في كل مرة تحمص فيها الخبز.
PAIR-CI: حافظت هذه الطريقة الجديدة على معدل الإنذار الكاذب عند أقل من 5%، وهو الهدف المعياري للاختبارات العلمية. لقد ظلت هادئة ودقيقة حتى عندما كانت البيانات فوضوية.

"المحرك" الكامن وراء الكواليس

لجعل هذا يعمل، كان على المؤلفين حل مشكلة رياضية لم يحلها أحد من قبل.

التحدي: تتضمن طريقتهم نوعين من "الضجيج": الضجيج الناتج عن تخمين البيانات المفقودة، والضجيج الناتج عن تقسيم البيانات إلى أجزاء للاختبار (التحقق المتقاطع).
الإصلاح: قاموا ببناء "مسطرة" رياضية جديدة (مقدر التباين) تقيس كلا النوعين من الضجيج في وقت واحد. إنه يشبه امتلاك ميزان واحد يمكنه وزن الفاكهة والسلة التي تجلس عليها في آن واحد، مما يعطيك الوزن الحقيقي للفاكهة فقط.

نتائج العالم الحقيقي

اختبر المؤلفون هذه الطريقة على خرائط بأحجام مختلفة:

الخرائط الصغيرة (10 متغيرات): عملت بشكل جيد، وبأداء أفضل قليلاً من الطرق القديمة.
الخرائط المتوسطة (30 متغيراً): زادت الميزة. بدأت الطرق القديمة في ارتكاب الكثير من الأخطاء، بينما ظل PAIR-CI دقيقاً.
الخرائط الكبيرة (56 متغيراً - شبكة الطقس "HAILFINDER"): هنا برعت الطريقة الجديدة. كانت الطرق القديمة مرتبكة جداً بسبب البيانات المفقودة لدرجة أن خرائطها كانت غير مفيدة تقرياً. قلل PAIR-CI الأخطاء بنسبة 44%.

الخلاصة

PAIR-CI هو أداة جديدة للعلماء الذين يحاولون اكتشاف علاقات السبب والنتيجة عندما تحتوي بياناتهم على ثغرات.

الأداة القديمة: خمن الثغرات، ثم اختبر. (عرضة لرؤية الأشباح/الاتصالات التي ليست موجودة).
الأداة الجديدة (PAIR-CI): اختبر سيناريوهين جنباً إلى جنب باستخدام نفس التخمينات. الأخطاء تلغي بعضها البعض، مما يكشف الحقيقة الحقيقية.

تدعي الورقة أن هذه الطريقة أكثر موثوقية، خاصة عندما تكون البيانات مفقودة بطرق معقدة وغير عشوائية، وهي تعمل بشكل أفضل عندما تكون العلاقات بين المتغيرات معقدة (غير خطية) بدلاً من كونها مجرد خطوط مستقيمة بسيطة. هي لا تدعي إصلاح كل مشاب البيانات المفقودة، لكنها تعالج المشكلة المحددة المتمثلة في "الاتصالات الوهمية" الناتجة عن التخمينات السيئة في الاكتشاف السببي.

ملخص تقني: PAIR-CI: اختبار استقلال شرطي مُعاير للاكتشاف السببي مع البيانات غير المكتملة

1. بيان المشكلة

يعتمد الاكتشاف السببي عبر الطرق القائمة على القيود (مثل خوارزمية PC) بشكل أساسي على سلسلة من اختبارات الاستقلال الشرطي (CI) لتحديد هيكل واتجاه الرسم البيفي السببي. وتبرز عقبة حرجة عندما تكون البيانات غير مكتملة؛ حيث تتبع النهج التقليدية عادةً نموذج "التعويض أولاً، ثم الاختبار ثانياً": يتم تعويض القيم المفقودة، ثم تُطبق اختبارات CI القياسية على البيانات المكتملة.

يحدد المؤلفون خللاً جوهرياً في هذا النموذج: عدم المعايرة (Miscalibration). فعندما يكون نموذج التعويض (Imputation model) غير مضبوط (على سبيل المثال، في حالات البيانات المفقودة ليس بشكل عشوائي - MNAR، أو عندما تكون الأشكال الوظيفية غير صحيحة)، فإن خطأ التعويض يؤدي إلى استقلال شرطي زائف بين متغيرات الاختبار. وتوضح "الخاصية 1" (Proposition 1) أنه في ظل هذه الظروف، فإن أي اختبار CI متسق سيرفض فرضية العدم الحقيقية تقاربياً باحتمالية تقترب من 1. يؤدي هذا إلى رسوم بيفية تحتوي على حواف زائفة، مما ينقل الأخطاء عبر قواعد توجيه الحواف (قواعد Meek)، مما يخل بالاستدلال اللاحق. والحلول الموجودة، مثل حذف الاختبار (الذي يضحي بالبيانات ويسبب تحيز الاختيار) أو التعويض المتعدد القياسي المدمج مع قواعد روبن (الذي يفشل في تصحيح التحيز الداخل عبر مجموعة الشرط)، لا تعالج هذه المشكلة الهيكلية.

2. المنهجية: PAIR-CI

يقدم البحث PAIR-CI، وهو اختبار CI غير معلمي مصمم لاستعادة المعايرة من خلال دمج التعويض المتعدد مباشرة في الإجراء الاستدلالي عبر تصميم التبديل المزدوج (Paired Permutation Design).

الآلية الجوهرية

يقارن الاختبار بين نموذجين للتحقق المتقاطع يتنبآن بمتغير مستهدف $Z$ بمعلومية مجموعة شرطية $X$ :

النموذج الكامل (Full Model): يتنبأ بـ $Z$ باستخدام $(X, Y)$ .
النموذج الجزئي (Partial Model): يتنبأ بـ $Z$ باستخدام $(\hat{X}, U)$ ، حيث $\hat{X}$ هي مجموعة الشرط المعوضة و $U$ هو متغير "وهمي" (Placebo).

الميزات التصميمية الرئيسية:

التعويض المزدوج (Paired Imputation): يتلقى كلا النموذجين نفس مجموعة الشرط المعوضة $\hat{X}$ المستمدة من نفس عملية التعويض المتعدد (MICE). وهذا يضمن أن أي تحيز أو تشويه ناتج عن خطأ التعويض سيؤثر على كلا النموذجين بشكل متطابق.
التبديل الشرطي (Conditional Permutation): يتم إنشاء المتغير الوهمي $U$ عن طريق التبديل الشرطي لـ $Y$ بين أقرب $k$ من الجيران في فضاء $\hat{X}$ . هذا يكسر الرابط بين $Y$ و $Z$ بشرط $X$ مع الحفاظ على الاعتماد الهامشي لـ $Y$ على $X$ .
فرق الخسارة (Loss Difference): إحصائية الاختبار هي الفرق في خسارة خارج العينة (مثل الإنتروبيا المتقاطعة الثنائية أو MSE) بين النموذجين الكامل والجزئي. ولأن كلا النموذجين يتشاركان نفس $\hat{X}$ المعوض، فإن التحيز الناتج عن التعويض يلغي بعضه البعض في فرق الخسارة، مما يمنع تلوث إحصائية الاختبار.
تقدير التباين الموحد (Unified Variance Estimation): تقوم إحصائية الاختبار بتجميع فروق الخسارة عبر $K$ من طيات التحقق المتقاطع و $M$ من مجموعات البيانات المعوضة. يقترح المؤلفون مقدراً جديداً للتباين يدمج مقدر تباين التحقق المتقاطع داخل التعويض (المتسق تقاربياً وفقاً لـ Bayle et al., 2020) داخل قواعد روبن للتباين بين التعويضات. وهذا يأخذ في الاعتبار الاعتماد الناجم عن كل من تداخل الطيات وتنوع التعويض في آن واحد.

الضمانات النظرية

المعايرة (Calibration): تحت أربعة افتراضات تنظيمية بسيطة (اتساق التعويض، حدود الخسارة، التعويض الصحيح، واستقرار المتعلم)، يحقق PAIR-CI حجماً تقاربياً دقيقاً للفرضية الداخلية ( $Z \perp\!\!\perp Y \mid \hat{X}$ ).
القوة تجاه MNAR: يمدد التصميم المزدوج المعايرة لتشمل فرضية العدم العلمية ( $Z \perp\!\!\perp Y \mid X$ ) حتى في ظل ظروف MNAR، بشرط أن يتغير خطأ التعويض عشوائياً عبر الملاحظات بدلاً من أن يكون نظامياً.
الاتساق (Consistency): PAIR-CI متسق تحت فرضية البديل ( $H_1$ )، مع وصول القوة إلى 1 مع زيادة حجم العينة.
اتساق PC: عند استخدامه كنموذج مثالي (Oracle) داخل خوارزمية PC، يضمن PAIR-CI استعادة الرسم البيفي الموجه جزئياً المكتمل (CPDAG) الحقيقي تحت افتراضات الأمانة (Faithfulness) القياسية.

3. المساهمات الرئيسية

يحدد البحث ثلاث مساهمات رئيسية:

اختبار CI غير معلمي مُعاير: يعد PAIR-CI أول طريقة تدمج التعويض المتعدد، والتحقق المتقاطع، والتبديل الشرطي في إطار عمل واحد يحافظ على المعايرة تحت سوء التوصيف. وقد حقق متوسط معدل إيجابي كاذب $\le 4\%$ عبر مختلف عمليات توليد البيانات (DGP) وآليات الفقدان، بينما أظهرت الطرق الأخرى معدلات تتراوح بين 28-45% تحت ظروف MNAR.
تقدير التباين الموحد: يقدم المؤلفون أول توحيد رسمي لتقدير تباين التحقق المتقاطع والتعويض المتعدد. من خلال دمج مقدر Bayle et al. (2020) ضمن قواعد روبن، استنتجوا مقدراً دقيقاً تقاربياً يحسن القوة الإحصائية بمقدار 9-10 نقاط مئوية عند أحجام التأثير المتوسطة ويسمح باستخدام $K=10$ طيات دون التضحية بالمعايرة.
الاكتشاف السببي القوي: تظهر النتائج التجريبية تفوق PAIR-CI بشكل كبير على النماذج المرجعية في استعادة الرسوم البيفية، لا سيما في الحالات غير الخطية ومع زيادة حجم الرسم البيفي.

4. النتائج التجريبية

تحقق المؤلفون من PAIR-CI عبر ثلاث مراحل من التجارب:

أ. الأداء المستقل

في المحاكاة عبر نماذج (Linear Gaussian, Post-nonlinear, Latent Confounder) مع أحجام عينات $n \in \{500, 5000\}$ :

معدلات الإيجابية الكاذبة (FPR): يحافظ PAIR-CI على متوسط FPR $\le 4\%$ عبر جميع ظروف الفقدان (Complete, MAR, MNAR). في المقابل، تظهر النماذج المرجعية مثل FZ-Rubin و GCM و KCI معدلات FPR تترا-وح بين 28-45% تحت ظروف MNAR.
القوة (Power): يحقق PAIR-CI قوة $>80\%$ عند مستويات إشارة $\ge 0.6$ و $n \ge 2000$ . وبينما قد يكون أقل قوة من الاختبارات المعلمية (مثل Fisher's Z) عندما تكون الافتراضات مستوفاة تماماً، إلا أنه يتجنب الرفض غير المفيد الناتج عن الاختبارات غير المعايرة.

ب. استعادة الرسم البيفي الاصطناعي

باستخدام خوارزمية PC على رسوم Erdős–Rényi DAGs ( $p=10, 20, 30$ ):

الحواف غير الخطية: يقلل PAIR-CI من مسافة هامينج الهيكلية (SHD) بشكل كبير مقارنة بالنماذج المرجعية. وتتسع الفجوة في SHD مع زيادة حجم الرسم البيفي: انخفاض بنسبة 8% عند $p=10$ ، و15% عند $p=30$ ، وما يصل إلى 44% في شبكة HAILFINDER المكونة من 56 متغيراً.
الحواف الخطية: يضاهي PAIR-CI أو يتفوق على النماذج المرجعية مع زيادة مجموعات الشرط، حيث تصبح الارتباطات الجزئية أقل موثوقية.
الدقة والاستدعاء (Precision-Recall): يظهر PAIR-CI دقة عالية (غالباً 1.0) على حساب استدعاء أقل قليلاً، مما يتجنب انتشار الحواف الزائفة التي تعاني منها الطرق الأخرى.

ج. اختبارات المعايير الواقعية

شبكة ALARM ( $p=37$ ): يحقق PAIR-CI قيمة SHD تتراوح بين 22.5–24 (خطي) و 31–33.5 (غير خطي)، متفوقاً على جميع النماذج المرجعية القائمة على القيود (SHD 30–62).
شبكة HAILFINDER ( $p=56$ ): يحقق PAIR-CI قيمة SHD تتراوح بين 62.5–65.5، مقارنة بـ 103.5–128 للنماذج المرجعية. ومن الجدير بالذكر أن تحليل الحالة الكاملة (Complete-case analysis) حقق SHD مماثلاً (66) ولكن مع درجة F1 تساوي 0.0 (هيكل فارغ)، مما يوضح ظاهرة "الفوز عبر الاستسلام" الناتجة عن حذف البيانات العنيف.

5. الأهمية والادعاءات

يزعم البحث أن PAIR-CI يعالج فجوة حرجة في الاستدلال العلمي المؤتمت من خلال توفير نهج مُعاير للاكتشاف السببي مع البيانات غير المكتملة.

الدافع: يجادل المؤلفون بأن نموذج "التعويض ثم الاختبار" معيب هيكلياً تحت الظروف الشائعة في العالم الحقيقي (MNAR، وسوء التوصيف الوظيفي)، مما يؤدي إلى رسوم بيفية سببية غير موثوقة.
النطاق: يفترض المنهج وجود كفاية سببية (عدم وجود عوامل مربكة غير ملاحظة) وهو غير مرتبط بخوارزمية اكتشاف محددة، حيث يعمل كنموذج مثالي (Oracle) يمكن إسقاطه على PC أو FCI.
القيود: يقر المؤلفون بأن PAIR-CI يضحي ببعض القوة مقابل المعايرة، خاصة في العينات الصغيرة ذات الإشارات الضعيفة أو عندما تكون العلاقات خطية بحتة مع فقدان من نوع MCAR/MAR (حيث تتفوق الاختبارات المعلمية). كما يشيرون إلى أن المنهج يعتمد على افتراض أن خطأ التعويض يتغير عشوائياً؛ فالأخطاء النظامية (مثل التعويض بالمتوسط) لا تزال قادرة على التسبب في عدم المعايرة.
الخلاصة: يقدم PAIR-CI حلاً غير معلمي ومبدئياً يستعيد الموثوقية للاكتشاف السببي القائم على القيود في وجود بيانات مفقودة، مع مكاسب في الأداء تتناسب طردياً مع تعقيد الرسم البيفي وغير خطيته.