📊 statistics

Causal Additive Models with Unobserved Causal Paths and Backdoor Paths

Dit artikel stelt voldoende voorwaarden vast voor het identificeren van causale richtingen in causale additieve modellen met niet-gewaarnomen backdoor- en causale paden door regressiesets en residuen te karakteriseren, en introduceert een correct en compleet zoekalgoritme dat concurrerende prestaties laat zien ten opzichte van de meest geavanceerde methoden.

Oorspronkelijke auteurs: Thong Pham, Takashi Nicholas Maeda, Shohei Shimizu

Gepubliceerd 2026-05-25

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Thong Pham, Takashi Nicholas Maeda, Shohei Shimizu

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een detective bent die probeert uit te vinden wie wie heeft beïnvloed in een groep mensen. Je hebt een lijst met verdachten (observabele variabelen), maar je weet dat er enkele geheime agenten (verborgen variabelen) zijn die op de achtergrond aan de touwtjes trekken en die je niet kunt zien. Je doel is om een kaart te tekenen die aangeeft wie de baas is en wie de werknemer.

Dit artikel introduceert een nieuw detective-instrument genaamd CAM-UV-X om dit mysterie op te lossen, specifiek wanneer de "baas-werknemer"-relatie vertroebeld wordt door deze geheime agenten.

Hier is de uiteenzetting van het probleem en de oplossing, met behulp van eenvoudige analogieën:

Het Probleem: De "Onzichtbare Mist"

In de wereld van data science zijn er bestaande methoden (zoals het oude CAM-UV-instrument) die goed zijn in het opsporen van duidelijke relaties. Als Persoon A duidelijk Persoon B beïnvloedt, zegt het instrument: "Ja, A is de baas van B."

Echter, deze tools lopen tegen een muur aan wanneer er verborgen paden zijn:

De "Boog"-Vorm: Stel je voor dat Persoon A en Persoon B allebei worden beïnvloed door een geheime agent, Persoon U. Dit creëert een "boog"-vorm (A ← U → B). Voor de oude tools lijken A en B gewoon vrienden of ongerelateerd, omdat de geheime agent U het signaal verstoort. De oude tools zouden zeggen: "Ik kan niet zeggen wie hier de baas is; het is te mistig."
Het "Achteringang"-Pad: Stel je voor dat A B beïnvloedt, maar er is ook een geheim pad waar een verborgen agent beiden beïnvloedt. Dit creëert een "achteringang" die de detective in de war brengt.

Het artikel betoogt dat de oude tools te pessimistisch waren. Ze gaven te snel op en verklaarden veel relaties "niet identificeerbaar" (onoplosbaar), terwijl ze eigenlijk wel opgelost konden worden met een slimmere aanpak.

De Oplossing: Een Nieuwe Detective-strategie (CAM-UV-X)

De auteurs, Thong Pham, Takashi Nicholas Maeda en Shohei Shimizu, hebben een nieuw algoritme ontwikkeld genaamd CAM-UV-X. Denk hierbij aan het upgraden van het detective-instrumentarium met twee nieuwe superkrachten:

1. De "Residuschoonmaak" (Regressieanalyse)

Stel je voor dat je probeert een fluistering te horen (de directe invloed van A op B) in een luidruistige kamer. De ruis is de invloed van andere mensen.

Oude Methode: De detective probeert de ruis te raden en af te trekken. Als ze het verkeerd raden, kunnen ze de fluistering niet horen.
Nieuwe Methode: Het artikel introduceert een manier om de data wiskundig te "schoonmaken". Ze kijken naar de overgebleven stukjes (residuen) na het in rekening brengen van andere factoren.
De Magie: Ze ontdekten dat zelfs als er een geheime agent is (de "boog"), als je de data op een zeer specifieke manier schoonmaakt, de overgebleven stukjes nog steeds een connectie zullen tonen alleen als er een directe baas-werknemer-relatie is. Het is alsof je beseft dat, zelfs als twee mensen hetzelfde uniform dragen (beïnvloed door dezelfde geheime agent), hun voetafdrukken (residuen) nog steeds tonen wie de ander leidt.

2. De "Hybride Detective" (Combineren van aanwijzingen)

Soms is de "Residuschoonmaak" niet genoeg. Het nieuwe instrument combineert twee soorten aanwijzingen:

Aanwijzing Type A: De overgebleven stukjes van de schoonmaak (zoals hierboven beschreven).
Aanwijzing Type B: Standaard "conditionele onafhankelijkheid" (controleren of twee mensen ongerelateerd zijn wanneer je iets weet van een derde persoon).

De Analogie:
Stel je voor dat je probeert te bewijzen dat Alice de baas is van Bob, maar ze hebben allebei een geheime vriend, Charlie, die hen beiden beïnvloedt.

Oud Instrument: "Alice en Bob zijn allebei vrienden met Charlie. Ik kan niet zeggen of Alice Bob de baas is. Zaak gesloten."
Nieuw Instrument (CAM-UV-X): "Wacht. Ik weet dat Alice Bob de baas is, want als ik Charlie's invloed verwijder, hebben Alice en Bob nog steeds een unieke connectie. Ook weet ik dat Dave (een ander persoon) wordt beïnvloed door Alice maar geen connectie heeft met Bob. Dit bevestigt dat Alice de baas is."

Door deze twee soorten logica te mengen, kan het nieuwe instrument zaken oplossen die eerder als onmogelijk werden beschouwd, inclusief de lastige "boog"-vormen.

Wat het Artikel Eigenlijk Beweert

De auteurs doen drie specifieke claims op basis van hun wiskunde en experimenten:

Het is Oplosbaar: Ze hebben wiskundig bewezen dat je in veel gevallen waar verborgen variabelen bestaan (specifiek "niet-geobserveerde achteringangspaden" en "niet-geobserveerde causale paden"), nog steeds kunt uitvinden wie de baas is en wie de werknemer. Je hoeft de verborgen variabelen niet te kennen om de puzzel op te lossen; je moet alleen anders naar de data kijken.
Het Algoritme Werkt: Ze hebben CAM-UV-X gecreëerd. Ze hebben bewezen dat dit algoritme sound is (het liegt nooit; als het zegt dat A de baas is van B, dan is A dat echt) en compleet is (het vindt elke relatie die het theoretisch kan vinden).
Het Presteert Goed: Ze hebben het getest op nep-data (gesimuleerde grafieken) en echte sociologische data (over vaders' banen en zonen' inkomens).
- Op de nep-data was het beter in het vinden van de juiste connecties dan het oude CAM-UV-instrument.
- Op de echte data corrigeerde het fouten die het oude instrument maakte, zoals het verwijderen van nep-"bidirectionele" connecties (waar het instrument dacht dat twee mensen elkaar gelijk beïnvloedden) en het vervangen daarvan door de juiste eenrichtingsrichting.

Wat het Niet Beweert

Het beweert niet dat het werkt voor elke mogelijke grafiekstructuur. Er zijn nog steeds sommige extreem complexe "bogen" die onoplosbaar kunnen blijven, maar de auteurs hebben nog geen voorbeeld daarvan gevonden.
Het beweert niet dat het een medische genezing of een financiële handelsstrategie is. Het is strikt een methode voor het ontdekken van causale structuren uit data.
Het beweert niet dat het alle andere methoden vervangt, maar eerder dat het de specifieke "Causal Additive Model"-framework uit eerder onderzoek verbetert.

Samenvatting

Het artikel is als een detective die zegt: "We dachten dat als een geheime agent betrokken was, we de zaak niet konden oplossen. Maar we hebben een nieuwe manier gevonden om naar het bewijs te kijken (de data schoonmaken en aanwijzingen mengen) die ons in staat stelt veel van die 'onmogelijke' zaken op te lossen. We hebben een nieuw instrument gebouwd (CAM-UV-X) dat dit doet, en het werkt beter dan de oude tools."

Technische Samenvatting: Causale Additieve Modellen met Ongesignaleerde Causale Paden en Backdoor-paden

Probleemstelling
Het ontdekken van causale structuren uit observationele data is een fundamentele uitdaging, vooral wanneer ongesignaleerde (verborgen) variabelen aanwezig zijn. Causale Additieve Modellen (CAM's) bieden een hanteerbaar raamwerk voor het modelleren van niet-lineaire afhankelijkheden met additieve ruis. Echter, bestaande theorieën voor causale ontdekking in CAM's met verborgen variabelen, zoals het CAM-UV-algoritme (Maeda en Shimizu, 2021), ondervinden aanzienlijke beperkingen. Specifiek, wanneer ongesignaleerde backdoor-paden (UBP's) of ongesignaleerde causale paden (UCP's) bestaan tussen twee variabelen, wordt de ouder-kind-relatie vaak als niet-identificeerbaar beschouwd. Dit omvat "boog"-configuraties (waarbij twee geobserveerde variabelen een gemeenschappelijke verborgen ouder delen), die berucht moeilijk zijn voor causale ontdekking omdat verborgen confounding directe causale verbanden verduistert. Eerdere benaderingen, waaronder het Fast Causal Inference (FCI)-raamwerk, behandelen deze relaties over het algemeen als niet-identificeerbaar zonder aanvullende sterke aannames over de grafstructuur.

Methodologie
Het artikel stelt een nieuw theoretisch raamwerk en een bijbehorend zoekalgoritme, CAM-UV-X, voor om deze identificeerbaarheidskloven aan te pakken. De methodologie vertrouwt op een hybride aanpak die combineert:

Onafhankelijkheid van Regressieresiduen: Het karakteriseren van de verzamelingen variabelen die worden gebruikt in Generalized Additive Model (GAM)-regressies om onafhankelijkheid tussen residuen te bepalen.
Conditionele Onafhankelijkheid: Het benutten van conditionele onafhankelijkheid tussen de oorspronkelijke geobserveerde variabelen.

Belangrijkste Theoretische Innovaties:

Verfijnde Karakterisering van Zichtbaarheid/Onzichtbaarheid: De auteurs breiden de concepten "zichtbare" en "onzichtbare" paren uit naar deelverzamelingen van geobserveerde variabelen ( $X' \subseteq X$ ). Zij stellen vast dat een paar $(x_i, x_j)$ onzichtbaar kan zijn met betrekking tot de volledige verzameling $X$ (vanwege UBP's/UCP's), maar zichtbaar wordt wanneer een specifieke variabele $x_k$ uit de conditionele verzameling wordt verwijderd.
Nieuwe Identificeerbaarheidsvoorwaarden:
- Lemma 4 & 5: Deze lemma's bieden voldoende voorwaarden om te identificeren dat een variabele $x_k$ een voorouder is van $x_i$ of $x_j$ , zelfs wanneer het paar $(x_i, x_j)$ onzichtbaar is. Dit wordt bereikt door te analyseren of residuen onafhankelijk worden alleen wanneer specifieke variabelen worden opgenomen in de regressieverzamelingen.
- Hybride Aanpak (Corollarium 6.1 & 6.2): Het artikel introduceert voorwaarden die onafhankelijkheid van regressieresiduen combineren met conditionele onafhankelijkheid ( $x_k \perp\!\!\perp x_j | x_i$ ). Dit maakt het mogelijk om causale richtingen in onzichtbare paren te identificeren (bijvoorbeeld het bepalen dat $x_i$ een voorouder is van $x_j$ ) en ouder-kind-relaties in boogpatronen op te lossen, gevallen waarin noch regressie alleen, noch standaard methoden voor conditionele onafhankelijkheid (zoals FCI) slagen.
Algoritme CAM-UV-X: Het voorgestelde algoritme bouwt voort op de originele CAM-UV. Het voert eerst CAM-UV uit om een eerste schatting te verkrijgen, en past vervolgens iteratief de nieuwe lemma's en corollaria toe om:
- Foutieve classificaties van zichtbare randen/niet-randen als onzichtbaar te corrigeren (het aanpakken van onvolledigheid in CAM-UV).
- Onzichtbare paren te oriënteren door specifieke regressie- en conditionele onafhankelijkheidscriteria te controleren.
- Het algoritme is bewezen sound en compleet voor het identificeren van zichtbare randen, zichtbare niet-randen en onzichtbare paren onder de Causale Faithfulness Condition (CFC) en een residual-faithfulness-aanname.

Resultaten
Het artikel presenteert empirische evaluaties die de prestaties van CAM-UV-X demonstreren:

Illustratieve Voorbeelden: In synthetische grafen (Figuur 1a en 1b) die zijn ontworpen om de beperkingen van CAM-UV bloot te leggen (waarbij CAM-UV zichtbare randen ten onrechte als onzichtbaar labelt), slaagt CAM-UV-X erin de correcte causale structuren te herstellen.
Experimenten met Willekeurige Grafen: Op Barabási–Albert (BA) en Erdős–Rényi (ER) grafen met verborgen confounders bereikt CAM-UV-X hogere precisie en F1-scores bij het identificeren van de burenmatrix en hogere recall bij het identificeren van voorouderrelaties in vergelijking met CAM-UV en een basale aanpassing van Schultheiss en Bülmann (2024).
Real-world Data: Toegepast op een sociologische dataset (vaders beroep, zoon's inkomen, enz.), snoeide CAM-UV-X schijnbare bidirectionele randen die door CAM-UV waren gevonden, en identificeerde correct gerichte randen die consistent waren met grondwaarheid domeinkennis. Het leverde ook aanvullende informatie (beweringen over niet-benachbaring) voor onzichtbare paren die CAM-UV niet kon oplossen.

Betekenis en Claims
De auteurs claimen dat dit werk voldoende voorwaarden vaststelt waaronder causale richtingen en ouder-kind-relaties kunnen worden geïdentificeerd in CAM's, zelfs in aanwezigheid van ongesignaleerde backdoor- of causale paden, een scenario dat eerder als niet-identificeerbaar werd beschouwd zonder extra structurele aannames.

Uitbreiding van Eerder Werk: De resultaten breiden het werk van Maeda en Shimizu (2021) uit door ouder-kind-relaties in "boog"-configuraties te identificeren, en breiden Schultheiss en Bülmann (2024) uit door causale richtingen te identificeren buiten hun goed gespecificeerde verzamelingen.
Praktische Impact: Door een sound en compleet algoritme te bieden voor deze specifieke gevallen, beoogt het artikel de praktische toepassing van causale ontdekking te verbeteren in situaties waar verborgen variabelen veelvoorkomend zijn.
Beperkingen en Toekomstig Werk: De auteurs merken bescheiden op dat hun huidige theorie niet alle beperkingen volledig benut die worden opgelegd door d-separatie tussen geobserveerde variabelen. Zij identificeren de kloof tussen voldoende en noodzakelijke voorwaarden in CAM's met verborgen variabelen als een open probleem en suggereren het uitbreiden van deze hybride benaderingen naar andere klassen van causale modellen als richting voor toekomstig onderzoek. Het artikel claimt niet alle identificeerbaarheidsproblemen in aanwezigheid van verborgen variabelen op te lossen, maar eerder specifieke, eerder onhandelbare gevallen op te lossen.