Data-Driven Covariate Selection for Nonparametric and Cycle-Agnostic Causal Effect Estimation¶
会议: NeurIPS 2026
arXiv: 2605.06385
OpenReview: https://openreview.net/forum?id=5rgmG7fjJh
领域: 因果推理
关键词: 因果效应估计, 协变量选择, 循环因果模型, 马尔可夫毯, 局部因果发现
一句话总结¶
证明了基于局部条件独立性与马尔可夫毯搜索的非参数协变量选择方法在包含反馈环路的循环因果模型中同样具备可靠性与完备性，实现了完全无视图结构是否有环的统一因果效应估计。
研究背景与动机¶
从观测数据中估计因果效应是流行病学、计量经济学与计算生物学等领域的核心挑战。由于随机对照试验（RCT）往往受限于伦理、成本或现实操作约束，研究人员主要依赖非参数协变量调整方法来消除隐变量引起的混杂偏差。然而，现有的局部与全局调整集选择理论（如经典的后门准则、EHS 准则以及基于马尔可夫毯的局部搜索算法 LSAS）几乎无一例外地建立在有向无环图（DAG）与 d-分离的基础假设之上。
这种强假设与现实世界的复杂动态系统形成了尖锐矛盾。在生物调控网络（如基因与蛋白质的相互调控）、宏观与微观经济系统（供求与价格反馈）乃至临床医疗决策中，处理前基线协变量之间天然存在密集的相互作用与反馈环路。传统方法若要处理环路，通常需要预先断言系统无环，或者诉诸计算极其昂贵的全图因果结构学习算法；一旦强行将循环系统套入无环模型中，往往会因无法正确识别反馈路径上的阻断条件而导致协变量选择失效或产生严重的估计偏差。
本文的核心切入点在于审视条件独立性在循环结构下的代数与图论拓扑不变性。作者发现无需对现有局部搜索判据和算法做任何启发式修改，只要利用 \(\sigma\)-无环化（\(\sigma\)-acyclification）映射，循环因果模型中的条件独立断言就与无环表示严格等价。核心 idea：利用 \(\sigma\)-无环化下条件独立性与马尔可夫毯的不变性，证明了基于局部马尔可夫毯搜索的 R1/R2 调整集判定准则在存在隐变量与反馈环路的简易结构因果模型（Simple SCMs）中天生具备可靠性与完备性，建立起无需先验图结构判断的统一因果效应估计范式。
方法详解¶
整体框架¶
本文针对包含隐变量和潜在有向环路的简易结构因果模型（Simple SCMs），在处理前假设（Pre-treatment Assumption，即结果变量 \(Y\) 无后代节点，处理变量 \(X\) 的后代至多包含 \(Y\)）下，建立了一套无需全图学习、完全由数据驱动的局部协变量选择算法。方法整体流程为：首先仅通过针对观测变量的局部条件独立性测试分别恢复处理变量 \(X\) 和结果变量 \(Y\) 的观测马尔可夫毯 \(\mathrm{MB}_\sigma(X)\) 与 \(\mathrm{MB}_\sigma(Y)\)；随后在局限的马尔可夫毯候选空间内搜索见证变量 \(W\) 和调整集 \(\mathbf{Z}\)，应用判据 R1 和 R2 判定因果效应是否存在并直接输出无偏调整集；最后利用该调整集计算因果效应。
%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
A["观测数据输入<br/>包含潜在环路与隐变量混杂"] --> B["马尔可夫毯不变性恢复<br/>Fast-IAMB / TC 提取局部子集"]
B --> C["局部候选空间构建<br/>提取 MB(X) 与 MB(Y) 候选集"]
C --> D{"R1 / R2 判据判定<br/>检验条件独立性断言"}
D -->|满足 R1 见证条件| E["确认因果关系并输出有效调整集<br/>确定存在边 X→Y 并估计效应"]
D -->|满足 R2 独立条件| F["确认无直接因果效应<br/>确定不存在边 X→Y"]
D -->|两者皆不满足| G["判定因果效应不可识别<br/>数据信息不足"]关键设计¶
1. 基于 \(\sigma\)-无环化的马尔可夫毯与条件独立性不变性传递：将循环图映射为可证明等价的无环图 为突破循环因果模型中传统 d-分离失效的瓶颈，理论分析采用能够处理强连通分量（SCC）内循环依赖的 \(\sigma\)-分离概念。借助 \(\sigma\)-无环化技术，可以将包含环路的有向图 \(G\) 映射为保持所有分离关系的 DAG \(G^{\mathrm{acy}}\)。论文证明了观测马尔可夫毯在这一变换下严格不变，即： $\(\mathrm{MB}_\sigma^G(Y) = \mathrm{MB}_d^{G^{\mathrm{acy}}}(Y)\)$ 这一结论意味着在现实数据中，现有的标准 DAG 马尔可夫毯发现算法（如 TC、Fast-IAMB）即便在底层数据生成过程存在复杂反馈环路时，依然能够无损且精确地恢复真实的局部马尔可夫毯，无需对算法本身做任何循环特化修改。
2. 循环因果后门调整与干预等价性准则：严格刻画反馈环路下的有效调整集 在存在循环的 Simple SCM 中，后门路径不仅包含传统的共因分叉，还交织着环路反馈。论文形式化定义了可能存在环路的后门调整集：集合 \(\mathbf{Z} \subseteq \mathbf{O} \setminus \{X, Y\}\) 必须满足 \(\mathbf{Z} \cap \mathrm{De}(X) = \emptyset\)，且 \(\mathbf{Z}\) \(\sigma\)-阻断 \(X\) 到 \(Y\) 的所有后门路径。通过引入外部干预节点 \(I_X\)（其只有唯一指向 \(X\) 的出边 \(I_X \to X\)），证明了 \(\mathbf{Z}\) 满足后门调整集充要条件等价于在干预增广图中满足： $\(\mathbf{Z} \perp_\sigma I_X \quad \text{且} \quad Y \perp_\sigma I_X \mid X, \mathbf{Z}\)$ 进而进一步证明了全局有效调整集的存在性与局限于 \(\mathrm{MB}_\sigma^G(Y) \setminus \{X\}\) 内部的有效调整集存在性完全等价，从理论上锁定了局部搜索的有效边界。
3. 环路无关的局部判定规则（R1 与 R2）：以极低代价验证因果存在性与构建调整集 将无环局部搜索算法中的双规则判定推广至循环领域，完全通过观测条件独立性测试驱动： - 规则 R1（因果存在且给出调整集）：若存在 \(W \in \mathrm{MB}_\sigma^G(X) \setminus \{Y\}\) 以及子集 \(\mathbf{Z} \subseteq \mathrm{MB}_\sigma^G(Y) \setminus \{X, W\}\)，满足： $\(W \not\perp\!\!\!\perp Y \mid \mathbf{Z} \quad \text{且} \quad W \perp\!\!\!\perp Y \mid \mathbf{Z} \cup \{X\}\)$ 则必有直接因果边 \(X \to Y \in \mathbf{E}\)，且 \(\mathbf{Z}\) 构成估计 \(X\) 对 \(Y\) 因果效应的有效后门调整集。 - 规则 R2（因果不存在）：若存在 \(\mathbf{Z} \subseteq \mathrm{MB}_\sigma^G(Y) \setminus \{X\}\) 使得 \(X \perp\!\!\!\perp Y \mid \mathbf{Z}\)，或存在 \(W \in \mathrm{MB}_\sigma^G(X) \setminus \{Y\}\) 与 \(\mathbf{Z}\) 使得 \(W \not\perp\!\!\!\perp X \mid \mathbf{Z}\) 且 \(W \perp\!\!\!\perp Y \mid \mathbf{Z}\)，则判定 \(X \to Y \notin \mathbf{E}\)。
4. 完备性与不可识别性边界刻画：确立观测条件独立性的理论极限 理论上确立了该局部规则在循环系统下的完备性：在 \(\sigma\)-忠实性与处理前假设下，若系统既不满足规则 R1 也不满足规则 R2，则该处理-结果对的因果效应在仅给定观测条件独立性信息的条件下是完全不可识别的（Not Identifiable）。这意味着任何基于条件独立性的算法都无法在此时区分效应存在与否，证明了该方法在该假设类下的最优性。
损失函数 / 训练策略¶
本方法基于非参数统计推断与局部条件独立性检验，不依赖特定深度网络训练。条件独立性判定使用 Fisher's Z 检验，显著性水平设为 \(\alpha = 0.01\)。在恢复马尔可夫毯时，50 节点以内的小图采用精确度最高的全条件（Total Conditioning, TC）算法，规模更大（100 至 250 节点）时自动无缝切换为测试效率更高的 Fast-IAMB 算法。在判定为 R1 后，若为线性模型直接通过对所选协变量 \(\mathbf{Z}\) 的最小二乘回归估计平均处理效应 \(\theta = \mathbb{E}[Y \mid X, \mathbf{Z}]\)，非参数模型则可接入非参数回归或机器学习估计器。
实验关键数据¶
主实验¶
实验基于随机生成的线性 Simple SCM（\(\mathbf{V} = W\mathbf{V} + \mathbf{U}\)，约束 \(I-W\) 可逆）与非线性 Simple SCM（\(\mathbf{V} = \tanh(W\mathbf{V}) + \mathbf{U}\)，约束算子范数 \(\|W\| < 1\)），节点规模覆盖 8 到 250 个节点，样本量涵盖 1k、5k、10k、15k。主实验评估相对误差（Relative Error, RE，用于线性因果效应）、因果边识别准确率（Edge Fraction, EF）以及调整集查准率（Precision, Pre）。
| 节点规模 / 结构设置 | 样本量 | 相对误差 (RE) | 边识别准确率 (EF) | 调整集查准率 (Pre) | 空判例比例 (Empty %) |
|---|---|---|---|---|---|
| 8 节点 - Acyclic | 1k | 0.18 ± 0.12 | 0.88 ± 0.08 | 0.95 ± 0.06 | ~24% |
| 8 节点 - Cyclic | 1k | 0.12 ± 0.08 | 0.92 ± 0.06 | 0.86 ± 0.09 | ~18% |
| 8 节点 - Acyclic | 15k | 0.09 ± 0.06 | 0.94 ± 0.04 | 0.96 ± 0.05 | ~23% |
| 8 节点 - Cyclic | 15k | 0.05 ± 0.03 | 0.98 ± 0.02 | 0.88 ± 0.07 | ~16% |
| 25 节点 - Acyclic | 1k | 0.24 ± 0.15 | 0.82 ± 0.09 | 0.93 ± 0.07 | ~27% |
| 25 节点 - Cyclic | 1k | 0.16 ± 0.10 | 0.88 ± 0.07 | 0.81 ± 0.10 | ~19% |
| 25 节点 - Acyclic | 15k | 0.11 ± 0.07 | 0.91 ± 0.05 | 0.94 ± 0.06 | ~25% |
| 25 节点 - Cyclic | 15k | 0.06 ± 0.04 | 0.97 ± 0.03 | 0.83 ± 0.08 | ~17% |
| 50 节点 - Acyclic | 15k | 0.13 ± 0.08 | 0.89 ± 0.06 | 0.91 ± 0.07 | ~26% |
| 50 节点 - Cyclic | 15k | 0.07 ± 0.04 | 0.96 ± 0.03 | 0.80 ± 0.09 | ~18% |
消融实验¶
消融实验重点考察了不同马尔可夫毯发现算法对运行效率与独立性检验次数的影响，以及在违反处理前假设（Non-pre-treatment）与约束搜索空间大小（\(|\mathbf{Z}| \leq 10\)）下的稳健性表现。
| 评估配置维度 | 核心指标 / 观测项 | 对比说明与核心结论 |
|---|---|---|
| MB 算法: TC (50 节点) | 耗时显著增加 (~100s) | 全条件检验集过大，只适合 \(\leq 50\) 节点，但 RE 与 EF 质量最高 |
| MB 算法: Fast-IAMB (50 节点) | 运行耗时极低 (<10s) | CI 检验次数与耗时最优，且最终因果估计精度与 TC 表现几乎无差异 |
| MB 算法: HITON-MB | 独立性检验数激增 | 过于保守的准入筛选导致测试次数显著高于 Fast-IAMB/IAMB |
| 前处理假设违反: 8 节点 Acyclic | Precision 下降至 ~0.72 | 出现后代节点干扰后无环图精度明显衰退（原为 0.96） |
| 前处理假设违反: 8 节点 Cyclic | Precision 下降至 ~0.73 | 循环图精度虽有下调，但与无环图表现持平，对违反扰动具相对稳健性 |
| 限制调整集大小: $ | \mathbf{Z} | \leq 10$ (250 节点) |
关键发现¶
- 循环图下的估计精度反超无环图：在线性 SCM 的相对误差（RE）与因果边判定准确率（EF）上，循环网络不仅完全可行，且均值和方差均系统性优于对应的无环基线。
- 精度与查准率的权衡现象：在调整集查准率（Precision）上，无环图略高于循环图（无环 ~94%，循环 ~83%），但这一微小查准率差异完全没有损害循环图下最终因果效应估计的数值准确度（RE 更优）。
- 不可判定率维持低位：在循环网络下，算法返回不可判定的空实例（Empty fraction）比例普遍稳定在 20% 以下，显著低于无环图（通常在 25% 左右，个别配置达 50%）。
亮点与洞察¶
- 无需改动算法的无环化理论桥梁：巧妙借助 \(\sigma\)-无环化作为分析工具，证明了现存针对 DAG 开发的局部搜索准则与马尔可夫毯算法天然适用于循环系统，无需强加无环先验或开发复杂的循环专用算子。
- 完备性定理锁定了统计极限：明确了 R1/R2 不适用即代表纯条件独立性信息不足的充要完备性边界，为后续结合非高斯性或函数结构限制提供了精确的理论分界线。
- 可复用的局部推断范式：将昂贵的全图因果发现降维为目标节点周围的局部马尔可夫毯搜索，使得因果效应估计能够拓展至数百节点的高维反馈网络。
局限与展望¶
- 处理前假设（Pre-treatment）的依赖：当前理论严格依赖于结果变量 \(Y\) 无后代节点且 \(X\) 无除 \(Y\) 外的后代，若存在处理后中介变量或后代反馈污染，理论完备性将不再成立。
- 循环图精度反超的内在机理待解：作者在讨论中坦承，循环网络中相对误差与边判决更优但调整集查准率略低的内在统计机理目前尚无完整理论解释，留待未来研究探索。
- 连续非线性因果效应标量评估的缺失：非线性场景下因果效应高度依赖干预的具体数值赋值，实验部分仅能通过离散边判决与查准率进行代理评测，尚未建立闭式量化评估体系。
相关工作与启发¶
- vs EHS (Entner et al., 2013)：EHS 首次提出了基于条件独立性的数据驱动协变量选择与完备性理论，但其需要在全变量子集上进行组合式穷举搜索，计算复杂度爆炸且仅限 DAG；本文通过马尔可夫毯约束将搜索局部化，并推广至循环图。
- vs LSAS (Li et al., 2025)：LSAS 将 EHS 约束至马尔可夫毯内实现了高效的局部无环推断；本文直接承接 LSAS 的算法形式，但核心贡献在于从理论上突破了其对有向无环图的假设依赖，首次证明了其在循环图下的可靠性与完备性。
- vs CE-SAT (Hyttinen et al., 2015) & LV-IDA (Malinsky & Spirtes, 2017)：此类方法依赖于全局等价类图（如 PAG）的显式构建或 SAT 约束求解，图规模增大时扩展性受限；本文采取局部条件独立性路径，规避了全局结构学习的高昂代价。
评分¶
- 新颖性: ⭐⭐⭐⭐☆ 理论证明极其优雅，巧妙运用 \(\sigma\)-无环化打通了局部协变量选择从 DAG 向循环模型的跨越。
- 实验充分度: ⭐⭐⭐⭐☆ 涵盖线性与非线性、多种噪声分布与图规模（8 至 250 节点），实证对比详尽扎实。
- 写作质量: ⭐⭐⭐⭐⭐ 概念清晰、理论推导环环相扣，附录证明完备详实。
- 价值: ⭐⭐⭐⭐☆ 为生物网络与经济系统等普遍存在反馈的场景提供了即插即用且具备严格理论保障的因果效应估计工具。