等しい誤差分散を持つ構造方程式モデルに対する一貫したベイズ因果探索
arXiv stat.ML / 2026/3/25
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、誤差項が独立であるが必ずしもガウス分布である必要はない、線形かつ非循環（acyclic）なSEMに対するベイズ因果探索を扱い、主要な同定可能性の仮定としてすべての誤差分散が等しいことを置く。
- 性質の特定に関する結果を証明する。すなわち、全変数について（最良の線形な親の組合せを用いた）総最小の期待二乗予測誤差は、真の因果DAGのスーパーグラフ（上位グラフ）であるグラフによって正確に最小化される。
- この性質に基づき、著者らは、等しい誤差分散を持つ作業用ガウスSEMと、SEM係数に対する独立なg-priorを用いるベイズDAG選択アプローチを提案する。
- シミュレーション実験によって裏付けられる通り、本手法は、述べられた等分散および独立性の条件以外の追加の分布仮定を必要とせずに、真の因果グラフを一貫して復元できることを示す。
