文献

J-GLOBAL ID：201002256982248555   整理番号：10A1144650

「ベイジアンネットワークの最先端」線形構造方程式モデルに基づく因果効果のグラフィカル識別可能条件

著者 (2件)： 黒木学 (大阪大 大学院基礎工学研究科) ,  CHAN Hei (統計数理研)
資料名： 人工知能学会誌  (Journal of the Japanese Society for Artificial Intelligence)
巻： 25  号： 6  ページ： 819-825  発行年： 2010年11月01日 
JST資料番号： X0330A  ISSN： 0912-8085  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： パス解析では変数間の因果関係を非巡回的有向グラフとして表現したパスダイアグラムと線形構造方程式モデルを結び付け,因果効果を相関情報から定量的に推測する。本論文では,1)パスダイアグラムによる定性的因果仮説の表現,2)直接効果と総合効果の区別,3)相関の分解といったパス解析の特徴を概説した。次に,パスダイアグラムGにおいてXからYへの総合効果を推定するために観測すべき変数集合を認識する必要があるのでバックドア基準,フロントドア基準,条件付き操作変数といった識別可能条件を説明した。また,実際の問題ではそれらの識別可能条件を満たす変数集合を観測できない場合があるので,著者による1因子モデルの識別可能条件を利用した総合効果の識別可能条件を開設した。さらに,交絡道上にある未観測変数の数もわかららないので前記識別可能条件を適用しても推定できない例を示し,操作変数の代替的な役割を果たす観測変数に関する観測情報を用いる方法を紹介した。

シソーラス用語： ネットワーク ,  *Bayes推定 ,  確率モデル ,  *ネットワーク法 ,  *構成方程式 ,  因果律 ,  *有向グラフ ,  閉路 ,  選択基準 ,  *構造方程式 ,  数学モデル
準シソーラス用語： *Bayesネットワーク ,  *DAG【グラフ】

分類 (4件)： システム・制御理論一般  (IA02010H) ,  ネットワーク法  (KA03040X) ,  数値計算  (JE02000J) ,  グラフ理論基礎  (IA02020S)

引用文献 (33件)：

• BOLLEN, K. A. Structural Equations with Latent Variables. 1989
• BOWDEN, R. J. Instrumental Variables. 1984
• BRITO, C. Generalized instrumental variables. Uncertainty in Artificial Intelligence. 2002, 18, 85-93
• CAI, Z. On identifying total effects in the presence of latent variables and selection bias. Uncertainty in Artificial Intelligence. 2008, 24, 62-69
• CAI, Z. Non-parametric bounds on treatment effects with noncompliance by covariate adjustment. Statistics in Medicine. 2007, 26, 3188-3204

タイトルに関連する用語 (5件)： ベイジアンネットワーク ,  最先端 ,  線形 ,  構造方程式モデル ,  識別