統計学輪講 第20回

因果探索はランダム化比較実験が困難な場合に得られた観察データを基に背景に存在する因果的構造の推定を行う. 因果関係の探索はデータ生成過程を表現するグラフの推定に相当し、主な例として変数間に線形性を、ノイズに非ガウス性を仮定するLiNGAMモデル[1]が挙げられる.

本講演では変数間に疑似的な相関を生む原因となる潜在交絡が存在する場合にLiNGAMを拡張した推定手法[2]を紹介する.

参考文献
[1] Shimizu et al., “A linear non-Gaussian acyclic model for causal discovery.” Journal of Machine Learning Research, 7, 2003–2030.
[2] Tashiro et al., “ParceLiNGAM: a causal ordering method robust against latent confounders.” Neural computation, MIT Press, 57–83.