📊 statistics

Causal Additive Models with Unobserved Causal Paths and Backdoor Paths

本文通过刻画回归集与残差，为在存在未观测后门路径和因果路径的因果加性模型中识别因果方向确立了充分条件，并引入了一种健全且完备的搜索算法，该算法展现出与最先进方法相媲美的性能。

原作者： Thong Pham, Takashi Nicholas Maeda, Shohei Shimizu

发布于 2026-05-25

📖 1 分钟阅读☕ 轻松阅读

原作者： Thong Pham, Takashi Nicholas Maeda, Shohei Shimizu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你是一名侦探，试图在一群人中厘清谁影响了谁。你有一份嫌疑人名单（可观测变量），但你知道有一些幕后操纵的“秘密特工”（隐藏变量）在暗中活动，而你无法直接看到他们。你的目标是绘制一张地图，标明谁是“老板”，谁是“员工”。

本文介绍了一种名为CAM-UV-X的新型侦探工具，专门用于解决这一谜团，特别是当“老板”与“员工”之间的关系被这些秘密特工所遮蔽时。

以下是问题与解决方案的分解，采用简单的类比说明：

问题：“隐形迷雾”

在数据科学领域，已有一些方法（如旧的CAM-UV工具）擅长识别清晰的关系。如果 A 明显影响 B，该工具会判定：“是的，A 是 B 的老板。”

然而，当存在隐藏路径时，这些工具就会碰壁：

“弓形”结构：想象 A 和 B 都受到一个秘密特工 U 的影响。这形成了一个“弓形”（A ← U → B）。在旧工具看来，A 和 B 看起来只是朋友或互不相关，因为秘密特工 U 干扰了信号。旧工具会说：“我分不清谁是老板；这里太模糊了。”
“后门”路径：想象 A 影响 B，但同时存在一条隐藏路径，一个隐藏特工同时影响两者。这形成了一条让侦探困惑的“后门”。

本文认为，旧工具过于悲观。它们轻易放弃，将许多本可以通过更聪明的方法解决的关系统称为“不可识别”（无法解决）。

解决方案：新的侦探策略（CAM-UV-X）

作者 Thong Pham、Takashi Nicholas Maeda 和 Shohei Shimizu 构建了一种名为CAM-UV-X的新算法。这相当于为侦探的工具箱升级，赋予其两项新超能力：

1. “残差清洗”（回归分析）

想象你试图在嘈杂的房间里听清一声低语（A 对 B 的直接影响）。噪音来自其他人的影响。

旧方法：侦探试图猜测噪音并将其减去。如果猜测错误，就无法听清低语。
新方法：本文提出了一种数学上“清洗”数据的方法。他们在考虑其他因素后，观察剩余部分（残差）。
神奇之处：他们发现，即使存在秘密特工（即“弓形”结构），如果你以非常特定的方式清洗数据，剩余部分仍会显示出连接——但仅当存在直接的“老板 - 员工”关系时。这就像意识到，尽管两个人穿着相同的制服（受同一秘密特工影响），但他们的足迹（残差）仍能显示谁在引领谁。

2. “混合侦探”（组合线索）

有时，“残差清洗”并不足够。新工具结合了两种类型的线索：

线索类型 A：清洗后的剩余部分（如上所述）。
线索类型 B：标准的“条件独立性”（在已知第三人的情况下，检查两人是否无关）。

类比：
想象你要证明爱丽丝是鲍勃的老板，但他们都有一个共同秘密朋友查理，同时影响两人。

旧工具：“爱丽丝和鲍勃都是查理的朋友。我无法判断爱丽丝是否管理鲍勃。结案。”
新工具（CAM-UV-X）：“等等。我知道爱丽丝是鲍勃的老板，因为如果排除查理的影响，爱丽丝和鲍勃之间仍存在独特联系。此外，我知道戴夫（另一个人）受爱丽丝影响，但与鲍勃无关。这证实了爱丽丝是老板。”

通过混合这两种逻辑，新工具能够解决此前被认为不可能的案例，包括棘手的“弓形”结构。

本文实际主张

作者基于数学推导和实验提出了三项具体主张：

问题可解：他们从数学上证明，在许多存在隐藏变量的情况下（特别是“未观测到的后门路径”和“未观测到的因果路径”），你仍然可以厘清谁是老板、谁是员工。你无需知晓隐藏变量即可解开谜题；只需以不同的视角审视数据。
算法有效：他们创建了CAM-UV-X。他们证明该算法是可靠的（它从不撒谎；如果它判定 A 是 B 的老板，那么 A 确实如此）且完备的（它能找出理论上能够找到的所有关系）。
表现优异：他们在模拟数据（模拟图）和现实世界社会学数据（关于父亲职业与儿子收入）上进行了测试。
- 在模拟数据上，它在发现正确连接方面优于旧的 CAM-UV 工具。
- 在真实数据上，它修正了旧工具的错误，例如移除了虚假的“双向”连接（工具曾认为两人相互影响程度相等），并将其替换为正确的单向关系。

它未主张的内容

它并未声称适用于每一种可能的图结构。仍存在一些极其复杂的“弓形”结构可能无法解决，但作者尚未发现此类实例。
它并未声称是一种医疗疗法或金融交易策略。它严格是一种从数据中发现因果结构的方法。
它并未声称要取代所有其他方法，而是旨在改进先前研究中使用的特定“因果加性模型”框架。

总结

本文就像一位侦探所说：“我们曾认为，一旦有秘密特工介入，案件就无法侦破。但我们找到了一种审视证据的新方法（清洗数据并组合线索），使我们能够解决许多此类‘不可能’的案件。我们构建了新工具（CAM-UV-X）来实现这一点，且其表现优于旧工具。”

技术摘要：存在未观测因果路径与后门路径的因果可加模型

问题陈述
从观测数据中发现因果结构是一项基本挑战，特别是在存在未观测（隐藏）变量的情况下。因果可加模型（CAMs）为建模具有加性噪声的非线性依赖关系提供了一个可处理的框架。然而，现有针对含隐藏变量的 CAMs 中因果发现理论（如 CAM-UV 算法，Maeda 和 Shimizu，2021）面临显著局限。具体而言，当两个变量之间存在未观测后门路径（UBPs）或未观测因果路径（UCPs）时，父子关系通常被视为不可识别。这包括“弓形”（bow）构型（即两个观测变量共享一个共同的隐藏父节点），由于隐藏混杂掩盖了直接因果联系，此类构型对因果发现而言 notoriously 困难。包括快速因果推断（FCI）框架在内的先前方法，通常在没有关于图结构的额外强假设的情况下，将这些关系视为不可识别。

方法论
本文提出了一种新的理论框架及相应的搜索算法 CAM-UV-X，以解决这些可识别性差距。该方法论依赖于一种混合方法，结合：

回归残差独立性：表征广义可加模型（GAM）回归中使用的变量集合，以确定残差之间的独立性。
条件独立性：利用原始观测变量之间的条件独立性。

关键理论创新：

精细化的可见性/不可见性表征：作者将“可见”和“不可见”对的概念扩展到观测变量的子集（ $X' \subseteq X$ ）。他们确立了一对变量 $(x_i, x_j)$ 可能相对于完整集合 $X$ 是不可见的（由于 UBPs/UCPs），但当从条件集中移除特定变量 $x_k$ 时，该对变量变为可见。
新的可识别性条件：
- 引理 4 与 5：这些引理提供了充分条件，即使在对 $(x_i, x_j)$ 不可见的情况下，也能识别变量 $x_k$ 是 $x_i$ 或 $x_j$ 的祖先。这是通过分析残差是否仅在特定变量被纳入回归集合时才变得独立来实现的。
- 混合方法（推论 6.1 与 6.2）：本文引入了结合回归残差独立性与条件独立性（ $x_k \perp\!\!\perp x_j | x_i$ ）的条件。这使得能够识别不可见对中的因果方向（例如，确定 $x_i$ 是 $x_j$ 的祖先），并解决弓形模式中的父子关系，而这些情况是仅靠回归或标准条件独立性方法（如 FCI）无法成功的。
算法 CAM-UV-X：所提出的算法建立在原始 CAM-UV 之上。它首先运行 CAM-UV 以获得初始估计，然后迭代应用新的引理和推论以：
- 纠正将可见边/非边误分类为不可见的情况（解决 CAM-UV 的不完整性）。
- 通过检查特定的回归和条件独立性标准来定向不可见对。
- 该算法被证明在因果忠实性条件（CFC）和残差忠实性假设下，对于识别可见边、可见非边和不可见对是可靠且完备的。

结果
本文展示了实证评估，证明了 CAM-UV-X 的性能：

示例说明：在旨在揭示 CAM-UV 局限性的合成图（图 1a 和 1b，其中 CAM-UV 错误地将可见边标记为不可见）中，CAM-UV-X 成功恢复了正确的因果结构。
随机图实验：在带有隐藏混杂因子的 Barabási–Albert (BA) 和 Erdős–Rényi (ER) 图上，与 CAM-UV 以及 Schultheiss 和 Bülmann (2024) 的基线改编版本相比，CAM-UV-X 在识别邻接矩阵方面实现了更高的精确率和 F1 分数，在识别祖先关系方面实现了更高的召回率。
真实世界数据：应用于社会学数据集（父亲的职业、儿子的收入等），CAM-UV-X 修剪了 CAM-UV 发现的虚假双向边，并正确识别了与地面真实领域知识一致的定向边。它还提供了 CAM-UV 无法解决的不可见对的额外信息（非邻接断言）。

意义与主张
作者声称，这项工作确立了充分条件，使得即使在存在未观测后门路径或因果路径的情况下（此前认为若无额外结构假设则不可识别），也能在 CAMs 中识别因果方向和父子关系。

对先前工作的扩展：这些结果扩展了 Maeda 和 Shimizu (2021) 的工作，通过识别“弓形”构型中的父子关系；同时也扩展了 Schultheiss 和 Bülmann (2024) 的工作，通过识别超出其良好定义集合的因果方向。
实际影响：通过为这些特定情况提供可靠且完备的算法，本文旨在提高因果发现在隐藏变量普遍存在的环境中的实际采用率。
局限性与未来工作：作者谦逊地指出，他们当前的理论并未充分利用观测变量之间 d-分离所隐含的所有约束。他们确定了含隐藏变量的 CAMs 中充分条件与必要条件之间的差距作为一个未解决的问题，并建议将这些混合方法扩展到其他类别的因果模型作为未来的研究方向。本文并不声称解决隐藏变量存在下的所有可识别性问题，而是旨在解决特定的、此前难以处理的情况。