噪声水平对加性噪声模型因果识别的影响
摘要
近年来，因果推断与因果学习领域开展了大量研究。许多方法被开发用于识别模型中的因果效应对，并成功应用于观测性真实世界数据以确定因果关系的方向。许多此类方法需要简化假设，例如不存在混杂因子、循环和选择偏差。然而，在二元变量情形下，因果发现问题仍然具有挑战性。此类方法中允许处理二元变量情形的一类方法是基于加性噪声模型的。遗憾的是，这些方法的一个方面至今未受到太多关注：不同的噪声水平对这些方法识别因果关系方向的能力有何影响。本研究旨在通过实证研究来填补这一空白。在本研究中，我们考虑了二元变量情形，这是因果发现问题最基本的形式，即在给定两个变量 X、Y 的联合分布时，需要判断是 X 导致 Y 还是 Y 导致 X。此外，我们选择了两种特定方法，即带后续独立性检验的回归和使用条件方差的识别，并在加性噪声水平从原因噪声水平的 1% 逐渐变化至 10000%（后者保持固定）的详尽范围内对它们进行了测试。此外，本工作中的实验还考虑了多种不同类型的分布以及线性和非线性加性噪声模型。实验结果表明，对于某些噪声水平，这些方法可能无法捕捉到真实的因果方向。
引用
@article{arxiv.2108.11320,
title = {The Effect of Noise Level on Causal Identification with Additive Noise Models},
author = {Benjamin Kap},
journal= {arXiv preprint arXiv:2108.11320},
year = {2021}
}
备注
Thesis Submitted in Partial Fulfillment of the Requirements for the Degree of Master in Information and Computer Sciences at the University of Luxembourg. 56 pages, 51 figures This is an empirical study. All related code and results can be found at https://gitlab.com/Shinkaiika/noise-level-causal-identification-additive-noise-models