Causal DAG Identification for Count Data via Poisson Thinning Structural Equation Models¶

作者: Penggang Gao, Ming Cai, Hisayuki Hara
主题: 因果推断
相关性: 8/10
链接: https://arxiv.org/abs/2609.06098

一、领域脉络与小综述¶

这个方向是什么¶

这个子方向要解决的根本问题是：如何从观测到的计数型（count-valued）数据中，唯一地识别出变量之间的因果有向无环图（DAG）。与连续变量不同，计数数据（如疾病数、事故数、交易数）的离散性和非负性使得经典的线性结构方程模型（SEM）不再适用，而通用的条件独立性测试（如PC算法）通常只能恢复马尔可夫等价类，无法确定因果方向。因此，该方向的核心是设计可识别的、针对计数数据的结构因果模型，使得观测分布能唯一确定DAG的结构和参数。

当前成熟度：处于快速发展期，但尚未形成统一框架。已有工作主要沿着两条互补的路线推进，但每条路线都有明显的局限性。

发展脉络（history）¶

奠基工作：连续变量可识别DAG模型的建立为计数数据模型提供了参照系。Shimizu et al. (2006) 的LiNGAM（线性非高斯）模型首次证明，当噪声非高斯时，线性SEM的DAG是可识别的。Hoyer et al. (2009) 和 Peters et al. (2014) 将可识别性推广到非线性加性噪声模型（ANM）。Zhang and Hyvärinen (2009) 进一步提出了后非线性（PNL）模型。这些工作确立了“利用模型结构而非条件独立性来识别DAG”这一范式。

主要进展（两条路线）：

条件分布模型路线：直接指定每个节点给定其父节点时的条件分布，并从分布族的参数约束中推导可识别性。
- Park and Raskutti (2015) 提出了Poisson DAG模型，利用过度分散（overdispersion） 评分来学习结构。该模型假设每个节点的条件分布是Poisson，且均值是父节点值的线性函数（即identity link）。
- Park and Raskutti (2018) 将其推广到二次方差函数（QVF）DAG模型，覆盖了更广的分布族。
- Park and Park (2019) 进一步推广到广义超几何分布（GHD）DAG模型。
- Choi et al. (2020) 和 Choi and Ni (2023) 处理了零膨胀计数数据，分别提出了零膨胀Poisson贝叶斯网络和更一般的ZiG-DAG模型。
- Bodik and Chavez-Demoulin (2025) 在更一般的“条件参数化因果模型”框架下，建立了包括Poisson在内的多个参数族的可识别性。
- 共同特点：可识别性来源于对节点条件分布形式的限制。共同局限：通常要求所有节点服从同一分布族（或少数几个族），且模型参数的解释性（如“直接效应”）不如线性SEM直观。
Thinning算子模型路线：通过离散版本的“乘法”算子（thinning）来构建结构方程，使得系数具有“直接效应”的解释。
- Qiao et al. (2024) 提出了Poisson分支结构因果模型（PB-SCM），使用二项式thinning（binomial thinning）和独立的Poisson外生噪声。他们开发了基于高阶累积量的准则来识别因果方向，但只能部分识别DAG，且系数限制在(0,1]。
- Xiang et al. (2024) 推导了PB-SCM的概率生成函数，建立了恢复骨架和部分局部方向的条件。
- Qiao et al. (2026) 将PB-SCM扩展到存在潜在混淆变量的情况，研究了局部三变量结构的可识别性。
- 共同特点：模型结构更接近线性SEM，系数有明确的“均值效应”解释。共同局限：PB-SCM的DAG通常不可完全识别，且所有外生噪声必须为Poisson，系数范围受限。

当前frontier：本文（Gao, Cai, Hara, 2026）的工作。它站在PB-SCM的肩膀上，试图解决其两大核心缺陷：1) 系数限制在(0,1]；2) 外生噪声必须为Poisson导致DAG不可完全识别。本文通过将二项式thinning替换为Poisson thinning，并允许节点级外生分布来自不同计数分布族，实现了DAG、thinning系数和外生分布的完全可识别。

子线索聚类¶

条件分布模型簇：Park & Raskutti (2015, 2018), Park & Park (2019), Choi et al. (2020), Choi & Ni (2023), Bodik & Chavez-Demoulin (2025)。核心是直接建模条件分布，利用分布族的参数特性（如均值-方差关系）实现识别。
Thinning算子模型簇：Qiao et al. (2024, 2026), Xiang et al. (2024), 以及本文。核心是构建基于thinning的结构方程，系数解释为“均值上的直接效应”。
通用因果发现方法簇：PC算法 (Spirtes et al., 2001), GES (Chickering, 2002)。这些方法不依赖特定的函数形式，但通常只能恢复马尔可夫等价类。

这个方向在追问的核心问题¶

如何定义离散数据的“因果机制”？线性SEM的“加法”结构在计数数据上不自然。Thinning算子提供了一种“繁殖/生存”的离散类比，但这是否是唯一合理的因果机制？
在什么条件下，计数数据的DAG是完全可识别的？条件分布模型和thinning模型各自给出了不同的充分条件。是否存在一个统一的、更弱的条件？
如何设计高效且一致的结构学习算法？精确的DAG搜索（如动态规划）复杂度为O(d²2^d)，对节点数d敏感。如何扩展到更大规模的图？
如何处理潜在混淆和反馈？现有工作（包括本文）大多假设因果充分性和无环性。现实数据中这两个假设常常被违反。

⚠️ 作者的framing¶

作者把缺口frame成什么：作者将PB-SCM的“系数限制在(0,1]”和“所有外生变量为Poisson导致DAG不可完全识别”这两个缺陷，作为本文的直接动机。他们声称PT-SEM通过引入Poisson thinning（允许系数≥0）和放松外生分布假设，自然地解决了这两个问题，使得PT-SEM成为PB-SCM的“显然的下一步”推广。
哪些竞争路线被他淡化或回避了：
- 条件分布模型路线（如Poisson DAG模型）被作者在引言中提及，但随后被迅速带过。作者没有深入比较PT-SEM与Poisson DAG模型在识别条件上的强弱。实际上，当所有外生噪声为Poisson时，PT-SEM退化为一个identity-link的Poisson DAG模型（作者自己也承认了这一点）。作者没有讨论：在Poisson外生噪声下，PT-SEM的DAG是否比Poisson DAG模型更容易识别？或者，PT-SEM的识别条件是否比Poisson DAG模型的“过度分散”条件更弱或更强？
- 更一般的广义线性模型（GLM）框架：PT-SEM本质上是一个identity-link的GLM，但作者没有将其置于GLM因果推断的更大背景下讨论。例如，与基于GLM的因果发现方法相比，PT-SEM的独特优势是什么？
什么明显该被引/该存在、却没出现在intro里？
- 更广泛的计数时间序列模型（INAR, INGARCH）：Poisson thinning算子本身在时间序列领域（如INAR模型）有广泛应用。作者引用了Al-Osh & Alzaid (1987) 和 Latour (1998)，但没有讨论这些时间序列模型中的识别问题与本文的因果DAG识别问题之间的异同。这可能是研究者可以深挖的一个点：时间序列中的因果推断与横截面数据的因果推断有何不同？
- 基于矩的因果发现方法：本文的识别和估计大量依赖于协方差矩阵和矩估计。这与一些基于矩的因果发现方法（如LiNGAM的变体）有技术上的亲缘性，但作者没有在引言中建立这种联系。

张力¶

未见明显对立引用。不同路线（条件分布 vs. thinning）之间是互补而非矛盾的关系。PB-SCM和PT-SEM之间是推广与被推广的关系，没有根本性冲突。

二、最核心、最简单的例子 / 数学问题¶

第一步：把符号、模型、可观测数据交代清楚¶

符号：
- X = (X_1, ..., X_d)^T：一个d维随机向量，每个分量X_i取值于非负整数集 N_0 = {0, 1, 2, ...}。这是可观测的随机变量。
- G = (V, E)：一个有向无环图（DAG），V = [d]是节点集，E是有向边集。pa_G(i) 和 ch_G(i) 分别表示节点i的父节点集和子节点集。这是要估计的目标。
- α_ij：thinning系数，表示从节点j到节点i的直接效应。α_ij >= 0。当j不是i的父节点时，α_ij = 0。这是要估计的参数。
- ε_i：节点i的外生噪声变量，取值于N_0。所有ε_i相互独立。这是潜在/不可观测的，其分布是要估计的目标。
- α ◦_p X：Poisson thinning算子。α ◦_p X = sum_{l=1}^X Z_l，其中Z_l i.i.d. ~ Poisson(α)，且与X独立。这是模型的核心机制。
- M_X(t) = E[exp(tX)]：矩母函数（MGF）。
- K_X(t) = log M_X(t)：累积量生成函数（CGF）。
- N：样本量。D_N = {x^(i)}_{i=1}^N 是来自观测分布P_0的i.i.d.样本。
模型（PT-SEM）：
- 数据生成机制：对于每个节点i， X_i = sum_{j in pa_G(i)} α_ij ◦_p X_j + ε_i。
- 结构：这是一个递归定义。由于G是无环的，可以按照拓扑顺序依次生成X_i。所有Poisson offspring变量（用于thinning）和所有外生噪声ε_i都是相互独立的。
- 关键性质：E[X_i | X_{pa_G(i)}] = E[ε_i] + sum_{j in pa_G(i)} α_ij X_j。这意味着thinning系数α_ij直接解释了父节点X_j对子节点X_i条件均值的影响，类似于线性SEM中的回归系数。
可观测数据：
- 可观测：X的i.i.d.样本，即D_N。我们能观测到的是每个样本中所有d个计数变量的联合实现。
- 不可观测/潜在：
  1. DAG G 的结构（谁是谁的父节点）。
  2. Thinning系数α_ij。
  3. 外生噪声ε_i的具体实现值及其分布。
- 识别依赖的假设：要仅从X的观测分布中唯一确定上述不可观测量，需要依赖模型假设（PT-SEM的结构）和对外生噪声的正则性条件（A1-A3）。

第二步：讲最小内核¶

整篇论文的识别证明本质上是双变量情况（d=2）的推广。因此，最小内核就是双变量PT-SEM。

最简特例：双变量PT-SEM

考虑两个计数变量X_1和X_2。假设真实的因果方向是X_1 -> X_2，模型为： X_1 = ε_1 X_2 = α ◦_p X_1 + ε_2，其中 α > 0。 ε_1和ε_2是相互独立的、非退化的计数分布，满足 (A1)-(A3)。

核心问题：仅从(X_1, X_2)的联合观测分布，能否唯一确定因果方向是X_1 -> X_2，而不是反向的X_2 -> X_1？

核心思路（反证法）：假设观测分布也能由一个反向的PT-SEM生成： X_2 = ε^*_2 X_1 = β ◦_p X_2 + ε^*_1，其中 β >= 0。如果能证明这个反向模型与观测分布矛盾，那么X_1 -> X_2就是可识别的。

证明的数学核心（用条件MGF的矛盾）：

从正向模型推导条件MGF的关系：定义 M_s(t) = E[exp(tX_1) | X_2 = s]，s = 0, 1, 2。在正向模型下，通过贝叶斯公式和Poisson卷积的性质，可以证明（Lemma 5）： M_1(t) = γ_0 M_0(t) + γ_1 M'_0(t) M_2(t) = δ_0 M_0(t) + δ_1 M'_0(t) + δ_2 M''_0(t) 其中 γ_1 > 0, δ_2 > 0。这是一个线性微分关系。
从反向模型推导条件MGF的关系：在反向模型下，由于X_2是根节点，X_1的条件分布是β ◦_p X_2与ε^*_1的卷积。可以证明（Lemma 6）： M_s(t) = M_0(t) * exp{sβ(e^t - 1)}，s = 0, 1, 2。这是一个指数乘法关系。
证明两个关系不可调和： Lemma 7 证明，如果M_0, M_1, M_2同时满足上述两种关系，会导致数学矛盾（例如，通过求导和代数运算，最终推出一个非零常数必须为零）。因此，反向模型不可能存在。

结论：在双变量情况下，因果方向X_1 -> X_2是唯一可识别的。这个矛盾的核心在于，正向模型产生的条件MGF是M_0及其导数的线性组合，而反向模型产生的条件MGF是M_0乘以一个指数因子。这两种结构在代数上是不兼容的，除非外生噪声是退化的（被(A2)排除）。

三、这篇论文做了什么¶

三句话：
1. 研究了什么问题：针对计数型变量，提出了一个基于Poisson thinning的结构方程模型（PT-SEM），并证明了在节点级正则条件下，其因果DAG、thinning系数以及节点级外生分布是完全可识别的。
2. 核心工具/方法：识别证明的核心工具是条件累积量生成函数（CGF） 的sink节点刻画；结构学习算法是基于矩估计（MoM）的plug-in BIC评分，并通过子集动态规划（DP） 进行精确优化。
3. 主要结论：PT-SEM的DAG、系数和外生分布可由观测分布唯一确定。基于plug-in BIC的DP算法在DAG选择和分布族选择上具有一致性。模拟和真实数据实验验证了方法的有效性。
关键设定与假设：
- 模型设定：PT-SEM（定义3），使用Poisson thinning算子α ◦_p X，系数α_ij >= 0，外生噪声ε_i相互独立且来自任意计数分布族。
- 节点级正则条件（A1-A3）：
  - (A1) Pr(ε_i = 0) > 0：每个外生噪声有正概率取零。这保证了某些条件事件（如所有父节点为零）有正概率，是识别外生分布的关键。
  - (A2) Var(ε_i) > 0：每个外生噪声非退化。这是排除平凡解、保证识别的基础。
  - (A3) M_{ε_i}(t) < ∞ 在0附近：矩母函数在0的邻域内有限。这保证了CGF的存在性和解析性，是使用CGF进行代数操作的前提。
- 与已有文献的对比：
  - 相比PB-SCM (Qiao et al., 2024)：放宽了α_ij ∈ (0,1]的限制到[0, ∞)；放宽了ε_i必须为Poisson的限制到任意满足(A1)-(A3)的计数分布。这是本文的核心贡献。
  - 相比Poisson DAG模型 (Park & Raskutti, 2015)：当所有ε_i为Poisson时，PT-SEM是Poisson DAG模型的一个特例（identity link）。但PT-SEM允许更一般的外生分布，因此其识别条件更弱（不要求所有节点同分布族），但模型结构更具体（基于thinning）。
主要结果：
- 定理12（PT-SEM的精确可识别性）：在(A1)-(A3)下，PT-SEM的观测分布唯一确定G、A和节点级外生分布。
  - 证明直觉：
    1. 识别Sink节点：通过Proposition 10，利用条件CGF的代数形式来刻画sink节点。Sink节点的条件CGF具有g(t) + (e^t - 1) * sum(b_j x_j)的形式。非sink节点则无法满足此形式（否则会导致与双变量情况类似的矛盾）。
    2. 递归识别拓扑序：识别出所有sink节点后，将它们从图中移除，剩下的子图仍然是PT-SEM。重复步骤1，即可恢复一个拓扑序。
    3. 识别父节点和系数：在已知拓扑序后，利用协方差恒等式Cov(X_k, X_{pre}) = Cov(X_{pre}, X_{pre}) * α_{k, pre}。由于协方差矩阵正定（Lemma 11），α_{k, pre}可由Σ_{pre, pre}^{-1} Σ_{pre, k}唯一确定。其正元素对应父节点，零元素对应非父节点。
    4. 识别外生分布：条件于所有父节点为零的事件，所有thinning项消失，X_k的分布即为ε_k的分布。
- 定理14（PB-SCM的可识别性条件）：如果PB-SCM中每个非sink节点的外生噪声都是非Poisson的，那么其DAG、系数和外生分布也是可识别的。
  - 证明直觉：Proposition 13证明，在PB-SCM中，如果一个非sink节点满足sink节点的CGF刻画（即公式14），那么它的外生噪声必须是Poisson。因此，只要所有非sink节点的外生噪声都不是Poisson，sink节点的刻画就是唯一的，从而可以递归识别。这解释了为什么全Poisson的PB-SCM不可识别——Poisson噪声是那个“例外”。
- 定理18（BIC一致性）：基于plug-in MoM估计的BIC评分，通过DP优化得到的DAG ˆG和分布族分配ˆτ，满足Pr(ˆG = G_0, ˆτ ∈ T_0) → 1。
  - 证明直觉：证明分为两部分。1) 对于正确设定的模型（能表示真实分布），如果它比真实模型更复杂（多边或多参数），其BIC值会因log N惩罚项而严格大于真实模型的BIC。2) 对于错误设定的模型（不能表示真实分布），其似然函数的最大值会严格小于真实模型的最大似然，差距为O(N)，远大于O(log N)的惩罚项。因此，真实模型最终会被选中。
证明路线与技术技巧：
- 整体路线：
  1. 识别（Section 3）：从双变量特例（Proposition 8）出发，建立条件MGF的矛盾。然后推广到多变量，通过条件CGF刻画sink节点（Proposition 10）。最后利用sink递归和协方差方程完成全图识别（Theorem 12）。
  2. 学习（Section 4）：设计一个可分解的BIC评分。为了计算效率，用矩估计（MoM）代替最大似然估计来得到参数plug-in值（Section 4.2）。证明该plug-in BIC评分的一致性（Theorem 18）。最后，利用评分的可分解性，通过子集动态规划（DP）进行精确搜索（Algorithm 1）。
- 关键跳跃点：
  - 从双变量到多变量的推广：关键在于如何“局部化”双变量的矛盾。作者通过固定其他变量为零（X_R = 0_R），并选择一个子节点c，构造了局部条件事件L_s = {X_c = s, X_R = 0_R}。这使得多变量问题在局部退化为一个类似双变量的结构，从而可以应用Lemma 9（多变量版的Lemma 5）。
  - Sink节点的CGF刻画：Proposition 10的“当且仅当”条件是整个识别理论的基石。证明“非sink节点不满足该刻画”的部分，需要巧妙地利用Lemma 9和双变量矛盾（Lemma 7）来导出矛盾。
  - BIC一致性的证明：证明错误设定模型时，需要处理参数空间可能无界的问题。作者通过一个巧妙的论证（公式A.10），证明如果某个thinning系数太大，似然会趋于负无穷，从而可以将参数限制在一个紧集上，然后利用紧集上的上确界连续性来证明似然差距。
- 技术技巧点名：
  - 条件MGF/CGF分析：用于刻画sink节点和建立双变量矛盾。这是整个识别理论的核心工具。
  - 矩估计（MoM）：用于快速估计thinning系数和外生分布的参数，避免了复杂的卷积似然优化。
  - Plug-in BIC：将MoM估计代入似然函数计算BIC，在保持一致性的同时大幅降低了计算成本。
  - 子集动态规划（DP）：用于在DAG空间中进行精确的全局优化，利用了评分的可分解性。算法复杂度为O((d^4 + N d^2) 2^d)。
  - 紧集上的上确界论证：在证明BIC一致性时，用于处理错误设定模型。
真实例子与应用：
- 数据：NBA 2015-16至2024-25赛季的常规赛play-by-play数据，共95,808个球队-季度观测。
- 变量：5个计数变量：FOUL（非进攻犯规数）、FTA（罚球次数）、FTM（罚中次数）、PERS（个人犯规数）、LOOSE（争球犯规数）。
- 如何应用：将PT-SEM的DP-BIC方法应用于每个赛季的数据，学习这5个变量之间的DAG。候选外生分布族与模拟实验相同（Poisson, NB, ZIP, Geometric, Binomial, Bernoulli）。
- 结果：
  - DAG恢复：Proposed DP-BIC在每个赛季都完美恢复了预设的参考DAG（FOUL -> PERS, LOOSE, FTA; FTA -> FTM），骨架和定向的F1分数均为1.000。而ODS、PC-RCIT、PB-SCM和PB-SCM-PGF的表现均较差。
  - 系数估计：估计的thinning系数跨赛季稳定。例如，FOUL -> FTA的系数均值为1.238，范围在1.187-1.297，均大于1。这符合篮球规则：一次犯规可能导致多次罚球。
  - 外生分布选择：不同节点在不同赛季选择了不同的外生分布族（如FOUL多为二项分布，FTA多为几何分布），展示了模型处理异质性外生噪声的能力。
- 这个例子想说明什么：验证了PT-SEM在真实世界事件计数数据上的实用性，展示了其相对于现有方法的优势（更准确的DAG恢复、可解释的系数、灵活的分布选择），并证明了估计结果的跨时间稳定性。
🔎 结论是否比证明窄：
- 窄结论：定理12的证明依赖于已知一个拓扑序（通过sink递归获得）。虽然这个拓扑序是从数据中识别出来的，但证明本身假设了我们可以通过Proposition 10递归地找到它。这是一个构造性证明，结论是紧的。
- 泛化声明：作者在结论部分提到“The current theory assumes causal sufficiency and acyclicity.” 这是一个诚实的声明，表明当前结果不适用于存在潜在混淆或反馈的系统。没有发现比证明更宽的泛化声明。
- 潜在窄点：BIC一致性（Theorem 18）的证明依赖于候选分布族集合M是有限的，并且真实分布族包含在其中。如果真实分布族不在候选集中，一致性不成立。作者在模拟中假设了这一点，但在真实数据应用中，这是一个无法验证的假设。

四、开放问题¶

扩展到潜在混淆和反馈系统：作者在结论中明确指出这是当前理论的局限。扎根于：Section 7, "Extensions to latent confounding and feedback systems... remain open." 这是一个明确的、由作者自己提出的开放问题。研究者可以尝试将PT-SEM与proximal causal inference或instrumental variable方法结合，来处理未观测的混淆变量。
更大图的可扩展性：DP算法的时间复杂度为O((d^4 + N d^2) 2^d)，对节点数d非常敏感。扎根于：Section 7, "...scalable score optimization for larger graphs... remain open." 这是一个计算上的瓶颈。研究者可以探索基于贪心搜索（如GES）或顺序测试（如PC算法）的变体，并分析其在PT-SEM下的理论性质（如一致性），或者利用稀疏性假设（如节点度有界）来降低复杂度。
混合数据类型（计数、分类、连续）的模型：现实数据往往是混合类型的。扎根于：Section 7, "...models for mixed count, categorical, and continuous data remain open." 这是一个模型扩展问题。研究者可以思考如何将Poisson thinning与其他类型的结构方程（如线性、逻辑斯蒂）结合起来，构建一个统一的混合数据因果模型。
Thinning系数的假设检验：本文关注点估计和模型选择，但没有讨论系数的假设检验（如H_0: α_ij = 0）。扎根于：本文的识别和估计部分（Section 3 & 4）提供了√N-一致的估计量（Proposition 16），但未给出其渐近分布用于推断。这是一个自然的后续工作。研究者可以推导MoM估计量的渐近方差，并构建Wald检验或似然比检验，用于判断边的存在性。

Maintained by 陈星宇 · Homepage · Source on GitHub