基于高阶累积量的含隐变量因果结构识别

含隐变量的因果发现是一项至关重要但极具挑战性的任务。尽管出现了许多旨在应对这一挑战的方法，但对于两个观测变量受一个隐变量影响且两者之间可能存在有向边的结构，它们并未被完全识别。有趣的是，我们注意到可以通过利用高阶累积量来识别该结构。通过利用非高斯数据的高阶累积量，我们提供了一个用于估计因果系数或其比率的解析解。利用估计的因果系数（或其比率），我们提出了一种新颖的方法，以识别受隐变量影响的两个观测变量之间是否存在因果边。在存在此类因果边的情况下，我们引入了一个不对称性准则来确定因果方向。实验结果证明了我们提出方法的有效性。