Identifying Structural Biases from Causal Mechanism Shifts

Énoncé du Problème
Les méthodes de découverte causale reposent traditionnellement sur deux hypothèses fortes : la suffisance causale (toutes les variables pertinentes sont mesurées) et l'indépendance et l'identité de distribution (i.i.d.) des données. En pratique, ces hypothèses sont fréquemment violées en raison de facteurs de confusion non mesurés et de biais de sélection, ce qui entraîne des dépendances spécieuses et une inférence causale inexacte. Bien que les méthodes existantes puissent parfois détecter la confusion latente ou la sélection sous des conditions spécifiques, distinguer l'une de l'autre — particulièrement lorsque les données ne sont pas i.i.d. et sont collectées à travers plusieurs environnements — demeure un défi important. Cet article traite du problème de l'identification des biais structurels (confusion cachée et biais de sélection) à partir des changements de mécanismes causaux observés à travers différents contextes.

Méthodologie
Les auteurs proposent un cadre théorique et un algorithme pratique, STRUBI (Structural Bias Identification), pour détecter et classifier les biais structurels en analysant comment les mécanismes causaux évoluent à travers les environnements.

1. Fondement Théorique :

   • Le papier distingue les changements de mécanismes intrinsèques (changements dans le processus de génération de données réelles d'une variable) des changements de mécanismes observés (changements dans la distribution conditionnelle des variables observées).
   • Insight Clé : Les biais structurels induisent des changements de mécanismes dépendants, tandis que les systèmes sans biais présentent des changements indépendants.
     • Confusion Cachée : Un changement intrinsèque dans un facteur de confusion latent $Z$ provoque des changements observés dans ses enfants ($X, Y$), mais n'affecte pas nécessairement leurs ancêtres ou d'autres variables non liées.
     • Biais de Sélection : Un changement intrinsèque dans une variable de sélection latente (collisionneur) $S$ provoque des changements observés dans tous ses ancêtres ($X, Y, W$).
   • Couverture Ancestrale : Les auteurs définissent la « couverture ancestrale » ($cov(A)$) comme le ratio d'un ensemble de variables $A$ par rapport à son ensemble d'ancêtres. Ils prouvent que sous des changements de mécanismes parcimonieux, les ensembles de variables affectés par un biais de sélection auront une couverture ancestrale de 1 (ancestralement clos), tandis que les ensembles affectés par la confusion auront typiquement une couverture nettement inférieure à 1.

2. L'Algorithme STRUBI :

   • Entrée : Données observées à travers plusieurs contextes, un graphe causal observé $G$, et des seuils.
   • Étape 1 (Détection de Changement) : Pour chaque variable observée, l'algorithme effectue des tests d'indépendance conditionnelle (en utilisant le test KCI) entre les contextes pour détecter si le mécanisme local $P(X_i | pa(X_i))$ a changé. Cela partitionne les contextes en blocs d'invariance de mécanisme.
   • Étape 2 (Identification de Dépendance) : L'algorithme calcule l'Information Mutuelle Ajustée (AMI) entre les schémas de partition de différentes variables. Les variables présentant une AMI élevée sont regroupées en composantes connexes, indiquant qu'elles partagent une cause latente (soit un facteur de confusion, soit une variable de sélection).
   • Étape 3 (Classification) : Pour chaque sous-ensemble identifié de variables, l'algorithme calcule la couverture ancestrale sur le graphe causal fourni.
     • Si la couverture $\ge$ seuil $\tau_2$, le sous-ensemble est classé comme sujet à un Biais de Sélection.
     • Si la couverture $<$ seuil $\tau_2$, le sous-ensemble est classé comme sujet à une Confusion Cachée.
     • Les sous-ensembles avec une faible AMI sont classés comme Sans Biais.

Contributions Clés

• Identification des Biais Structurels : Le papier fournit une preuve formelle que les biais structurels peuvent être identifiés à partir de données non i.i.d. en observant des changements de mécanismes dépendants, en exploitant spécifiquement la différence topologique entre la confusion (affectant les enfants) et la sélection (affectant les ancêtres).
• Approche Non-Paramétrique : Contrairement aux travaux antérieurs qui nécessitent souvent des hypothèses paramétriques (par exemple, des modèles gaussiens linéaires) ou des structures de données spécifiques (par exemple, des données séquentielles), STRUBI est non-paramétrique et applicable à des mécanismes causaux généraux.
• L'Algorithme STRUBI : Une méthode pratique et empiriquement testable qui intègre la détection de changement de mécanisme, l'analyse de l'information mutuelle et la topologie de graphe pour classifier les biais et récupérer les ensembles de variables affectés.
• Robustesse à l'Erreur de Graphe : La méthode démontre une robustesse même lorsque le graphe causal d'entrée est inféré plutôt que connu, performant de manière comparable à l'utilisation du graphe de vérité terrain.

Résultats Expérimentaux
Les auteurs évaluent STRUBI sur des données synthétiques et réelles :

• Données Synthétiques : Les expériences sur des graphes d'Erdős-Rényi avec des tailles variables montrent que STRUBI surpasse significativement les lignes de base de pointe (incluant les variantes de FCI, CoCo et les méthodes de sélection latente) dans trois tâches : la détection de la présence de variables latentes, la récupération de l'ensemble des variables affectées, et la classification du type de biais (confusion vs sélection). STRUBI atteint des scores F1 élevés même lorsque le graphe causal est appris (en utilisant TOPIC) plutôt que fourni comme vérité terrain.
• Données Réelles (Signalisation Cellulaire) : Une étude de cas sur le jeu de données de cytométrie en flux de Sachs et al. démontre l'applicabilité de STRUBI aux systèmes biologiques complexes. Lorsque la PKC a été retirée pour simuler une confusion ou un biais de sélection, STRUBI a correctement identifié le type de biais et a récupéré la majorité des nœuds affectés (ancêtres dans le cas de la sélection, enfants dans le cas de la confusion), surpassant des concurrents comme CoCo et JCI-FCI, qui ont échoué à récupérer précisément les sous-ensembles affectés dans le scénario de biais de sélection.

Signification et Revendications
Le papier affirme que STRUBI offre une avancée significative dans la découverte causale en relâchant les hypothèses strictes de i.i.d. et de suffisance causale. En exploitant les signatures topologiques distinctes des changements de mécanismes dépendants, la méthode peut distinguer la confusion cachée du biais de sélection sans nécessiter de modèles paramétriques. Les auteurs soulignent que leur approche fonctionne bien en pratique, récupérant avec précision les ensembles de variables affectés et les types de biais, et surpassant largement les méthodes existantes. Ils reconnaissent des limites, notant que la méthode suppose la condition de Markov et la fidélité (faithfulness), et nécessite des tailles d'échantillon suffisantes par contexte ainsi qu'un nombre suffisant de contextes pour détecter les changements de manière fiable. Cependant, les résultats suggèrent que STRUBI est un outil robuste pour identifier les biais structurels dans des contextes réels et non i.i.d.