离散化环境下的置换基秩检验及其在混合数据因果发现中的应用
机器学习
2025-06-13 v2
摘要
近期进展表明, 针对交叉协方差矩阵秩的统计检验在因果发现中发挥重要作用。这些秩检验包括偏相关检验等特殊案例, 并提供关于潜在变量的进一步图形信息。现有的秩检验通常假设所有连续变量都可以被完美测量, 然而在实际中, 许多变量只能在离散化后进行测量。例如, 在心理学研究中, 某些人格维度的连续水平只能通过离散化为不同意见观点（如 不同意、中立、同意）来测量。基于此, 我们提出了混合数据置换基秩检验 (MPRT), 该方法即使在某些或所有变量被离散化时也能有效控制统计错误。理论上, 我们建立了交换性并通过置换估计 asymptotically null 分布; 因此, MPRT 在离散化环境下能有效控制第一类错误, 而以前的方法则不能。实验上, 我们通过在合成数据和真实数据上的大量实验验证了其有效性及其在因果发现中的适用性。
引用
@article{arxiv.2501.18990,
title = {Permutation-Based Rank Test in the Presence of Discretization and Application in Causal Discovery with Mixed Data},
author = {Xinshuai Dong and Ignavier Ng and Boyang Sun and Haoyue Dai and Guang-Yuan Hao and Shunxing Fan and Peter Spirtes and Yumou Qiu and Kun Zhang},
journal= {arXiv preprint arXiv:2501.18990},
year = {2025}
}