Causal Additive Models with Unobserved Causal Paths and Backdoor Paths

あなたが人々のグループの中で誰が誰に影響を与えたのかを突き止めようとする探偵だと想像してください。あなたは容疑者（観測変数）のリストを持っていますが、裏で糸を引いている目に見えない秘密工作員（隠れ変数）がいることを知っています。あなたの目標は、誰が上司で誰が部下かを示す地図を描くことです。

この論文は、特に「上司」と「部下」の関係がこれらの秘密工作員によって霞んでいる場合に、この謎を解決するための新しい探偵ツール「CAM-UV-X」を紹介します。

以下に、簡単な比喩を用いた問題と解決策の概要を示します。

問題：「見えない霧」

データサイエンスの世界には、明確な関係を特定するのに優れた既存の方法（古いCAM-UVツールなど）があります。もし人物Aが人物Bに明確に影響を与えている場合、そのツールは「はい、AはBの上司です」と言います。

しかし、これらのツールは隠れた経路がある場合に壁にぶつかります。

1. 「弓」の形状: 人物Aと人物Bの両方が、秘密工作員である人物Uの影響を受けていると想像してください。これにより「弓」の形状（A ← U → B）が生まれます。古いツールにとって、AとBは秘密工作員Uが信号を乱しているため、単なる友人か無関係に見えるだけです。古いツールは「ここでは誰が上司か分からない。霧が濃すぎる」と言うでしょう。
2. 「裏口」経路: AがBに影響を与えていますが、隠れた工作員が両方に影響を与える別の秘密経路も存在すると想像してください。これにより探偵を混乱させる「裏口」が生まれます。

この論文は、古いツールがあまりにも悲観的だったと主張しています。実際にはより賢明なアプローチで解決できたにもかかわらず、多くの関係を「同定不可能（解決不能）」と宣言して、あまりにも簡単に諦めていたのです。

解決策：新しい探偵戦略（CAM-UV-X）

著者であるThong Pham、Takashi Nicholas Maeda、Shohei Shimizuは、CAM-UV-Xと呼ばれる新しいアルゴリズムを構築しました。これは、探偵の道具箱を2つの新しいスーパーパワーでアップグレードしたようなものです。

1. 「残差スクラブ」（回帰分析）

あなたは騒がしい部屋でささやき（AからBへの直接的な影響）を聞き取ろうとしています。そのノイズは他の人々の影響です。

• 古い方法: 探偵はノイズを推測して差し引こうとします。推測が間違っていれば、ささやきは聞こえません。
• 新しい方法: この論文は、データを数学的に「スクラブ（洗浄）」する方法を導入します。他の要因を考慮した後の**残りカス（残差）**に注目します。
• 魔法: 彼らは、たとえ隠れた工作員（「弓」）が存在しても、非常に特定の方法でデータをスクラブすれば、残りカスには直接的な上司 - 部下の関係が存在する場合にのみ、つながりが現れることを発見しました。これは、2人が同じ制服を着ている（同じ秘密工作員の影響を受けている）としても、足跡（残差）を見れば誰が誰を導いているかが分かることに似ています。

2. 「ハイブリッド探偵」（手がかりの組み合わせ）

時には「残差スクラブ」だけでは不十分です。新しいツールは2種類の手がかりを組み合わせます。

• 手がかりA: 上記のようにスクラブから得られた残りカス。
• 手がかりB: 標準的な「条件付き独立性」（3人目の人物を知っている場合、2人の人物が無関係かどうかをチェックすること）。

比喩:
アリスがボブの上司であることを証明しようとしていますが、彼らには両方に影響を与える秘密の友人チャーリーがいると想像してください。

• 古いツール: 「アリスもボブもチャーリーの友人だ。アリスがボブの上司かどうかは分からない。事件は終了だ。」
• 新しいツール（CAM-UV-X）: 「待てよ。チャーリーの影響を取り除けば、アリスとボブにはまだ独特のつながりがあるから、アリスがボブの上司だと分かる。さらに、デイブ（別の人物）はアリスの影響を受けているがボブとは何のつながりもないことも知っている。これでアリスが上司だと確信できる。」

これらの2種類の論理を混ぜ合わせることで、新しいツールは以前は不可能と考えられていた事件、複雑な「弓」の形状を含む事件さえも解決できます。

論文が実際に主張すること

著者は数学と実験に基づき、3つの具体的な主張を行っています。

1. 解決可能である: 彼らは数学的に証明しました。隠れ変数が存在する多くの場合（特に「観測されていない裏口経路」と「観測されていない因果経路」において）、誰が上司で誰が部下かを依然として突き止めることができます。隠れ変数を知らなくてもパズルを解く必要はありません。データを異なる視点で見るだけで十分です。
2. アルゴリズムは機能する: 彼らはCAM-UV-Xを作成しました。このアルゴリズムは健全（嘘をつかない。AがBの上司だと言えば、実際にそうである）であり、完全（理論的に見つけられるすべての関係を見つける）であることを証明しました。
3. 性能が良い: 彼らは人工データ（シミュレートされたグラフ）と現実世界の社会学的データ（父親の職業と息子の収入に関するもの）でテストを行いました。
   • 人工データでは、古いCAM-UVツールよりも正しいつながりを発見する能力が優れていました。
   • 実データでは、古いツールが犯した誤りを修正しました。例えば、2人が互いに同等に影響し合っているとツールが誤認していた「双方向」のつながりを削除し、正しい一方向の方向性に置き換えました。

主張していないこと

• あらゆるグラフ構造に対して機能すると主張しているわけではありません。依然として解決不能な非常に複雑な「弓」が存在する可能性がありますが、著者はまだその例を発見していません。
• 医療的な治療法や金融取引戦略であると主張しているわけではありません。これは厳密にはデータからの因果構造の発見のための手法です。
• 他のすべての手法を置き換えると主張しているのではなく、以前の研究で使用された特定の「因果加性モデル」フレームワークを改善するものとして位置づけています。

まとめ

この論文は、探偵が次のように言うようなものです。「以前は、秘密工作員が関与していれば事件を解決できないと考えていました。しかし、証拠を見る新しい方法（データのスクラブと手がかりの混合）を見つけ、それによって多くの『不可能』な事件を解決できるようになりました。私たちはこれを行う新しいツール（CAM-UV-X）を構築し、それは古いツールよりも優れています。」