Identifying Structural Biases from Causal Mechanism Shifts

問題提起
因果探索手法は伝統的に、因果的充足性（すべての関連変数が測定されていること）と独立同一分布（i.i.d.）という2つの強い仮定に依存している。実際には、これらの仮定は未観測の交絡因子や選択バイアスによって頻繁に破られており、それが偽の相関関係や不正確な因果推論を招いている。既存の手法は、特定の条件下で潜在的な交絡や選択を検出できる場合もあるが、これらを区別すること（特にデータが非i.i.d.であり、複数の環境から収集されている場合）は依然として大きな課題である。本論文は、異なるコンテキスト間で観察される因果メカニズムの変化から、構造的バイアス（隠れた交絡および選択バイアス）を特定するという問題に取り組む。

手法
著者らは、因果メカニズムが異なる環境間でどのように変化するかを分析することで、構造的バイアスを検出し分類するための理論的枠組みおよび実用的なアルゴリズムであるSTRUBI（Structural Bias Identification）を提案する。

1. 理論的基礎:

   • 本論文は、固有のメカニズム・シフト（変数の真のデータ生成プロセスの変化）と、観測されたメカニズム・シフト（観測された変数の条件付き分布の変化）を区別する。
   • 鍵となる洞察: 構造的バイアスは依存的なメカニズム・シフトを引き起こすが、バイアスのないシステムは独立したシフトを示す。
     • 隠れた交絡: 潜在的な交絡因子 $Z$ の固有のシフトは、その子（$X, Y$）における観測されたシフトを引き起こすが、それらの祖先や他の無関係な変数には必ずしも影響を与えない。
     • 選択バイアス: 潜在的な選択変数（コライダー） $S$ の固有のシフトは、そのすべての祖先（$X, Y, W$）における観測されたシフトを引き起こす。
   • 祖先被覆率: 著者らは「祖先被覆率」（$cov(A)$）を、集合$A$ とその祖先の集合との比率として定義する。彼らは、疎なメカニズム・シフトの下では、選択バイアスによって影響を受ける変数の集合は祖先的に閉じており（祖先被覆率が1）、交絡によって影響を受ける集合は通常、被覆率が1を大幅に下回ることを証明している。

2. STRUBI アルゴリズム:

   • 入力: 複数のコンテキストにおける観測データ、観測された因果グラフ $G$、および閾値。
   • ステップ1（シフト検出）: 各観測変数について、コンテキスト間の条件付き独立性テスト（KCIテストを使用）を実行し、局所的なメカニズム $P(X_i | pa(X_i))$ が変化したかどうかを検出する。これにより、コンテキストをメカニズム不変性のブロックに分割する。
   • ステップ2（依存性特定）: アルゴリズムは、異なる変数の分割パターン間の調整相互情報量（AMI）を計算する。高いAMIを持つ変数は連結成分へとグループ化され、これらが共通の潜在原因（交絡因子または選択変数）を共有していることを示す。
   • ステップ3（分類）: 特定された各変数のサブセットについて、アルゴリズムは提供された因果グラフ上の祖先被覆率を計算する。
     • 被覆率 $\ge$ 閾値 $\tau_2$ である場合、そのサブセットは選択バイアスの影響を受けていると分類される。
     • 被覆率 $<$ 閾値 $\tau_2$ である場合、そのサブセットは隠れた交絡の影響を受けていると分類される。
     • 低いAMIを持つサブセットは、バイアスなしと分類される。

主な貢献

• 構造的バイアスの特定: 本論文は、依存的なメカニズム・シフトを観察することによって、非i.i.d.データから構造的バイスを特定できるという形式的な証明を提供している。具体的には、交絡（子に影響を与える）と選択（祖先に影響を与える）のトポロジー的な違いを利用している。
• ノンパラメトリックなアプローチ: パラメトリックな仮定（例：線形ガウスモデル）や特定のデータ構造（例：時系列データ）を必要とすることが多い従来の研究とは異なり、STRUBIはノンパラメトリックであり、一般的な因果メカニズムに適用可能である。
• STRUBI アルゴリズム: メカニズム・シフトの検出、相互情報量解析、およびグラフ・トポロジーを統合して、バイアスを分類するための実用的かつ経験的にテスト可能な手法である。
• グラフ誤差に対する堅牢性: 本手法は、入力された因果グラフが既知のものではなく推論されたものである場合でも、グラウンドトゥルース（正解）のグラフを使用した場合と同等の性能を示し、堅牢性を実証している。

実験結果
著者らは、合成データおよび実世界のデータセットの両方でSTRUBIを評価している。

• 合成データ: 様々なサイズのErdős-Rényiグラフを用いた実験において、STRUBIは、潜在変数の存在の検出、影響を受ける変数の集合の復元、およびバイアスの種類（交絡か選択か）の分類という3つのタスクにおいて、最先端のベースライン（FCIのバリアント、CoCo、およびLatent-Selection手法を含む）を大幅に上回る性能を示した。STRUBIは、因果グラフがグラウンドトゥルースとして提供されるのではなく、学習されたもの（TOPICを使用）である場合でも、高いF1スコアを達成している。
• 実世界のデータ（細胞シグナル伝達）: Sachsらによるフローサイトメトリーのデータセットを用いたケーススタディは、複雑な生物学的システムへのSTRUBIの適用可能性を示している。交絡または選択バイアスをシミュレートするためにPKCを抑制した際、STRUBIはバイアスの種類を正しく特定し、影響を受けたノードの大部分（選択の場合は祖先、交絡の場合は子）を復元した。これは、選択バイアスのシナリオにおいて影響を受けるサブセットを正確に復元できなかったCoCoやJCI-FCIといった競合手法を凌駕する結果である。

意義と主張
本論文は、STRUBIが厳格なi.i.d.および因果的充足性の仮定を緩和することで、因果探索における重要な進歩をもたらすと主張している。依存的なメカニズム・シフトの明確なトポロジー的シグネチャを活用することで、本手法はパラメトリックモデルを必要とせずに、隠れた交絡と選択バイアスを区別することができる。著者らは、自身のアプローチが実用において良好に機能し、影響を受ける変数の集合とバイアスの種類を正確に復元し、既存の手法を大きく引き離していることを強調している。また、マルコフ条件と忠実性（faithfulness）を仮定していること、およびシフトを確実に検出するためにはコンテキストあたりの十分なサンプルサイズと十分な数のコンテキストが必要であることを認めつつも、結果はSTRUBIが現実世界の非i.i.d.設定において堅牢なツールであることを示唆している。