Identifying Structural Biases from Causal Mechanism Shifts

Probleemstelling
Traditionele methoden voor causale ontdekking vertrouwen op twee sterke aannames: causale sufficiëntie (alle relevante variabelen zijn gemeten) en onafhankelijk en identiek verdeelde (i.i.d.) data. In de praktijk worden deze aannames vaak geschonden door niet-gemeten confounders en selectiebias, wat leidt tot spureuze afhankelijkheden en onnauwkeurige causale inferentie. Hoewel bestaande methoden onder specifieke omstandigheden soms latente confounding of selectie kunnen detecteren, blijft het onderscheiden tussen beide — met name wanneer data niet-i.i.d. is en verzameld is uit meerdere omgevingen — een aanzienlijke uitdaging. Dit artikel behandelt het probleem van het identificeren van structurele biases (verborgen confounding en selectiebias) vanuit verschuivingen in causale mechanismen die waargenomen worden over verschillende contexten.

Methodologie
De auteurs stellen een theoretisch kader en een praktisch algoritme voor, STRUBI (Structural Bias Identification), om structurele biases te detecteren en te classificeren door te analyseren hoe causale mechanismen verschuiven over verschillende omgevingen.

1. Theoretische Fundering:

   • Het artikel maakt onderscheid tussen intrinsieke mechanismeverschuivingen (veranderingen in het werkelijke datagenereerproces van een variabele) en waargenomen mechanismeverschuivingen (veranderingen in de conditionele distributie van geobserveerde variabelen).
   • Kerninzicht: Structurele biases induceren afhankelijke mechanismeverschuivingen, terwijl onbevooroordeelde systemen onafhankelijke verschuivingen vertonen.
     • Verborgen Confounding: Een intrinsieke verschuiving in een latente confounder $Z$ veroorzaakt waargenomen verschuivingen in zijn kinderen ($X, Y$), maar beïnvloedt niet noodzakelijkerwijs hun voorouders of andere ongerelateerde variabelen.
     • Selectiebias: Een intrinsieke verschuiving in een latente selectievariabele (collider) $S$ veroorzaakt waargenomen verschuivingen in al zijn voorouders ($X, Y, W$).
   • Ancestrale Dekking: De auteurs definiëren "ancestrale dekking" ($cov(A)$) als de ratio van een verzameling variabelen $A$ tot de verzameling van zijn voorouders. Ze bewijzen dat onder ijle (sparse) mechanismeverschuivingen, verzamelingen variabelen die worden beïnvloed door selectiebias een ancestrale dekking van 1 zullen hebben (ancrestral gesloten), terwijl verzamelingen die worden beïnvloed door confounding doorgaans een dekking hebben die aanzienlijk minder dan 1 is.

2. Het STRUBI-algoritme:

   • Input: Geobserveerde data over meerdere contexten, een geobserveerde causale graaf $G$, en drempelwaarden.
   • Stap 1 (Verschuivingsdetectie): Voor elke geobserveerde variabele voert het algoritme conditionele onafhankelijkheidstests uit (met behulp van de KCI-test) tussen contexten om te detecteren of het lokale mechanisme $P(X_i | pa(X_i))$ is veranderd. Dit verdeelt de contexten in blokken van mechanisme-invariantie.
   • Stap 2 (Afhankelijkheidsidentificatie): Het algoritme berekent de Adjusted Mutual Information (AMI) tussen de partitiepatronen van verschillende variabelen. Variabelen met een hoge AMI worden gegroepeerd in verbonden componenten, wat aangeeft dat ze een latente oorzaak delen (ofwel een confounder ofwel een selectievariabele).
   • Stap 3 (Classificatie): Voor elke geïdentificeerde subset berekent het algoritme de ancestrale dekking op de verstrekte causale graaf.
     • Als de dekking $\ge$ drempelwaarde $\tau_2$ is, wordt de subset geclassificeerd als onderhevig aan Selectiebias.
     • Als de dekking $<$ drempelwaarde $\tau_2$ is, wordt de subset geclassificeerd als onderhevig aan Verborgen Confounding.
     • Subsets met een lage AMI worden geclassificeerd als Onbevooroordeeld.

Belangrijkste Bijdragen

• Identificatie van Structurele Biases: Het artikel biedt een formeel bewijs dat structurele biases geïdentificeerd kunnen worden uit niet-i.i.d. data door het observeren van afhankelijke mechanismeverschuivingen, speciferend door gebruik te maken van het topologische verschil tussen confounding (het beïnvloeden van kinderen) en selectie (het beïnvloeden van voorouders).
• Niet-parametrische Aanpak: In tegen tegenstelling tot eerder werk dat vaak parametrische aannames vereist (bijv. lineaire Gaussische modellen) of specifieke datastructuren (bijv. sequentiële data), is STRUBI niet-parametrisch en toepasbaar op algemene causale mechanismen.
• Het STRUBI-algoritme: Een praktische, empirisch testbare methode die mechanismeverschuivingsdetectie, mutual informatie-analyse en graaftopologie integreert om biases te classificeren en de getroffen variabelen te herstellen.
• Robuustheid tegen Graaffouten: De methode vertoont robuustheid, zelfs wanneer de invoer causale graaf geïnduceerd is in plaats van bekend, en presteert vergelijkbaar met het gebruik van de grondwaarheid (ground truth) graaf.

Experimentele Resultaten
De auteurs evalueren STRUBI op zowel synthetische als real-world datasets:

• Synthetische Data: Experimenten op Erdős-Rényi grafen met variërende groottes laten zien dat STRUBI de state-of-the-art baselines (inclusief FCI-varianten, CoCo en Latent-Selection methoden) aanzienlijk overtreft op drie taken: het detecteren van de aanwezigheid van latente variabelen, het herstellen van de verzameling van de getroffen variabelen, en het classificeren van het type bias (confounding versus selectie). STRUBI bereikt hoge F1-scores, zelfs wanneer de causale graaf geleerd is (met behulp van TOPIC) in plaats van verstrekt als grondwaarheid.
• Real-World Data (Cel signalering): Een casestudy op de Sachs et al. flow cytometrie dataset demonstreert de toepasbaarheid van STRUBI op complexe biologische systemen. Wanneer PKC werd achtergehouden om confounding of selectiebias te simuleren, identificeerde STRUBI correct het type bias en herstelde het de meerderheid van de getroffen knopen (voorouders in het selectiegeval, kinderen in het confoundinggeval), waarbij het concurrenten zoals CoCo en JCI-FCI overtrof, die er niet in slaagden de getroffen subsets accuraat te herstellen in het selectiebias-scenario.

Betekenis en Claims
Het artikel claimt dat STRUBI een significante vooruitgang biedt in causale ontdekking door de strikte i.i.d. en causale sufficiëntie aannames te versoepelen. Door gebruik te maken van de onderscheidende topologische handtekeningen van afhankelijke mechanismeverschuivingen, kan de methode onderscheid maken tussen verborgen confounding en selectiebias zonder parametrische modellen te vereisen. De auteurs benadrukken dat hun aanpak goed werkt in de praktijk, waarbij de getroffen variabelen en het type bias accuraat worden hersteld, en dat het bestaande methoden ruim overtreft. Ze erkennen beperkingen, waarbij zij opmerken dat de methode de Markov-conditie en trouw (faithfulness) veronderstelt, en een voldoende aantal monsters per context en een voldoende aantal contexten vereist om verschuivingen betrouwbaar te detecteren. De resultaten suggereren echter dat STRUBI een robuust instrument is voor het identificeren van structurele biases in real-world, niet-i.i.d. omgevingen.