利用观测数据区分因果：方法与基准

从纯观测数据中发现因果关系是科学中的一个基本问题。此类因果发现问题的最基础形式是：给定两个变量 $X$、$Y$ 的联合观测值，判断是 $X$ 导致 $Y$ 还是 $Y$ 导致 $X$。例如，仅给定这两个变量的联合测量值，判断是海拔导致温度变化，还是反之亦然。即使在无混杂、无反馈回路和无选择偏差的简化假设下，这种双变量因果发现问题也具有挑战性。尽管如此，近年来已提出了几种解决这些问题的方法。我们回顾了两类此类方法：加性噪声方法 (Additive Noise Methods, ANM) 和信息几何因果推断 (Information Geometric Causal Inference, IGCI)。我们提出了由来自不同领域（如气象学、生物学、医学、工程学、经济学等）的 37 个数据集中选出的 100 个不同因果对数据组成的基准 CauseEffectPairs，并论证了我们对所有对“真实”因果方向的判定理由。我们在这些真实世界基准数据以及人工模拟数据上评估了几种双变量因果发现方法的性能。我们在真实世界数据上的实证结果表明，某些方法确实能够仅利用纯观测数据来区分因果，尽管需要更多的基准数据才能得出具有统计显著性的结论。总体表现最好的方法之一是由 Hoyer 等人 (2009) 最初提出的加性噪声方法，其在真实世界基准上获得了 63+-10% 的准确率和 0.74+-0.05 的 AUC。作为本文的主要理论贡献，我们证明了该方法的一致性。