On the Recoverability of Causal Relations from Temporally Aggregated I.I.D. Data

要約

一般的な設定における瞬間的な（非時間的な）因果関係の発見に対する時間的集約の影響を検討します。
これは、真の因果関係のタイムラグが多くの場合、観察間隔よりもかなり短いという観察によって動機付けられています。
この不一致により高度な凝集が生じ、時間遅延の因果関係が消滅し、瞬間的な依存性が発現します。
このような瞬間的な依存性には、発見結果を意味のあるものにするために、ある意味で真の因果関係との整合性が期待されますが、どのような整合性が必要なのか、また、その整合性がいつ満たされるのかは不明のままです。
我々は、形式的な方法で機能的一貫性と条件的独立性の一貫性を提案し、それぞれ機能因果モデルベースの手法と条件的独立ベースの手法に対応し、これらの一貫性が維持される条件を提供しました。
私たちは、特に完全な非線形の場合、因果関係の発見結果が集計によって著しく歪められる可能性があることを理論的および実験的に示し、また、部分的な線形性または適切な事前分布がある場合には、集計されたデータから因果関係を依然として回復できることも見出します。
私たちの調査結果は、コミュニティがそのようなデータから因果関係発見の結果を解釈する際に、慎重かつ細心の注意を払ったアプローチをとる必要があること、そして集計が原因発見方法のパフォーマンスを歪める理由と時期を示す必要があることを示唆しています。

要約(オリジナル)

We consider the effect of temporal aggregation on instantaneous (non-temporal) causal discovery in general setting. This is motivated by the observation that the true causal time lag is often considerably shorter than the observational interval. This discrepancy leads to high aggregation, causing time-delay causality to vanish and instantaneous dependence to manifest. Although we expect such instantaneous dependence has consistency with the true causal relation in certain sense to make the discovery results meaningful, it remains unclear what type of consistency we need and when will such consistency be satisfied. We proposed functional consistency and conditional independence consistency in formal way correspond functional causal model-based methods and conditional independence-based methods respectively and provide the conditions under which these consistencies will hold. We show theoretically and experimentally that causal discovery results may be seriously distorted by aggregation especially in complete nonlinear case and we also find causal relationship still recoverable from aggregated data if we have partial linearity or appropriate prior. Our findings suggest community should take a cautious and meticulous approach when interpreting causal discovery results from such data and show why and when aggregation will distort the performance of causal discovery methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google