Parameter identification in linear non-Gaussian causal models under general confounding

1. Il Problema

Il lavoro si concentra sul problema dell'identificabilità dei parametri nei modelli lineari a equazioni strutturali (SEM) non gaussiani in presenza di variabili latenti (confondenti).
In particolare, gli autori studiano modelli associati a Grafici Misti Diretti Aciclici (ADMG), dove:

• Le variabili osservate $X_v$ sono funzioni lineari delle loro variabili "genitori" (padri) più un termine di errore non gaussiano.
• La dipendenza tra i termini di errore (confondimento) è modellata da archi bidirezionali nel grafo.
• A differenza della letteratura precedente che spesso assume un confondimento lineare tra le variabili latenti, questo studio permette un confondimento latente arbitrario e non lineare.

L'obiettivo è determinare quali coefficienti causali diretti ($\lambda_{uv}$) possono essere identificati in modo generico (cioè, per quasi tutte le distribuzioni degli errori non gaussiane, escludendo insiemi di misura nulla) basandosi esclusivamente sulla distribuzione congiunta delle variabili osservate.

2. Metodologia e Approccio Teorico

Gli autori sviluppano un quadro teorico che combina algebra lineare, teoria dei grafi e analisi combinatoria, distanziandosi dall'approccio basato sull'Analisi delle Componenti Indipendenti (ICA) sovracompleta usato in lavori precedenti.

A. Assunzione di Genericità

Per gestire l'infinità delle possibili distribuzioni non gaussiane, viene introdotta l'Assunzione 1: se due combinazioni lineari degli errori sono indipendenti, allora almeno una di esse non deve contenere "segnale" da coppie di errori che sono confonduti nel grafo. Questa assunzione è giustificata dal teorema di Darmois-Skitovich e si rivela valida per quasi tutte le distribuzioni non gaussiane (es. modelli a fattori lineari o distribuzioni con momenti finiti).

B. Caratterizzazione Grafica (Teorema Principale)

Il cuore del contributo è un criterio grafico necessario e sufficiente per l'identificabilità generica dei coefficienti diretti.

• Viene definita la nozione di antenati rimovibili ($R_v$) per un nodo $v$.
• Viene introdotta la $v$-ranghezza ($r^v_Q$), definita come il massimo numero di sistemi di percorsi diretti non intersecanti da un sottoinsieme di antenati rimovibili a un sottoinsieme di genitori.
• Teorema 3.6: Un vettore di parametri $\lambda_{Q,v}$ è genericamente identificabile se e solo se la rimozione dei parametri in $Q$ riduce la ranghezza massima dei percorsi non intersecanti esattamente della dimensione di $Q$. In termini semplici, l'identificabilità dipende dalla capacità di trovare percorsi diretti disgiunti che "aggirino" le ambiguità create dal confondimento.

C. Algoritmo di Verifica

Per rendere il criterio praticabile, gli autori riformulano il problema dell'identificabilità come un problema di flusso massimo (Max-Flow).

• Costruiscono un grafo di flusso ausiliario per ogni nodo e sottoinsieme di parametri.
• Dimostrano che la condizione di identificabilità è equivalente al fatto che il flusso massimo nel grafo costruito sia uguale al numero di parametri da identificare.
• Questo permette di verificare l'identificabilità in tempo polinomiale rispetto alla dimensione del grafo ($O(|V|^3)$ o $O(|V|^4)$ a seconda dell'algoritmo di flusso usato).

D. Estensione ai Grafi Ciclici

Il lavoro analizza anche modelli con cicli (feedback loops).

• Viene dimostrato che il criterio grafico rimane necessario ma non più sufficiente per i grafi ciclici.
• Forniscono una caratterizzazione completa per una sottoclasse specifica di grafi ciclici (cicli di lunghezza $\ge 3$), mostrando che, a differenza dei modelli gaussiani, la non gaussianità permette l'identificabilità anche in presenza di cicli di lunghezza 3 o superiore, ma non per cicli di lunghezza 2.

3. Risultati Chiave

1. Criterio Grafico Completo: È stato fornito il primo criterio necessario e sufficiente per l'identificabilità generica dei coefficienti diretti in SEM lineari non gaussiani con confondimento generale (non lineare).
2. Efficienza Computazionale: L'implementazione del criterio tramite algoritmi di flusso massimo garantisce una complessità polinomiale, rendendo il metodo applicabile a reti di dimensioni realistiche.
3. Stima dei Parametri: Gli autori propongono un metodo di stima basato sull'ottimizzazione. L'idea è minimizzare una misura di dipendenza (come l'HSIC - Hilbert-Schmidt Independence Criterion) tra i residui stimati per le coppie di variabili che non dovrebbero essere confondute (assenza di archi bidirezionali).
   • Le simulazioni mostrano che questo metodo funziona bene, specialmente quando inizializzato con i coefficienti di regressione, e supera i metodi basati solo sulla covarianza (come l'Empirical Likelihood) in scenari dove la covarianza non è sufficiente per l'identificazione.
4. Confronto con ICA Sovracompleta: Il paper chiarisce che il loro approccio, pur essendo meno restrittivo sulle strutture di confondimento (non richiede linearità latente), identifica un sottoinsieme di parametri che può essere diverso rispetto ai modelli lvLiNGAM basati su ICA.

4. Significato e Impatto

• Superamento dei Limiti Gaussiani: Il lavoro dimostra che l'assunzione di non gaussianità è uno strumento potente per l'identificazione causale, permettendo di risolvere problemi di confondimento che rimangono irrisolvibili nei modelli lineari gaussiani (dove spesso l'identificabilità è impossibile senza esperimenti).
• Flessibilità del Modello: Consentendo un confondimento latente non lineare, il modello è più realistico per molte applicazioni reali dove le variabili latenti interagiscono in modi complessi.
• Strumento Pratico: La combinazione di un criterio teorico verificabile in tempo polinomiale e un algoritmo di stima basato su HSIC offre un toolkit completo per i ricercatori che devono inferire relazioni causali da dati osservativi in presenza di variabili nascoste.
• Fondamenta per il Futuro: Il lavoro apre la strada a future ricerche su modelli non lineari, stime di intervalli di confidenza e l'uso di dati interventistici, estendendo la teoria dell'identificabilità oltre i limiti attuali.

In sintesi, Tramontano, Drton ed Etesami forniscono una caratterizzazione completa e computazionalmente efficiente dell'identificabilità causale in un contesto molto generale, colmando il divario tra la teoria dell'identificabilità globale e quella generica nei modelli con variabili latenti.