aiwiki.page
中文
数学 / 概率与统计 / collider

碰撞点

碰撞点是有向图路径上两个箭头汇聚的节点;以其为条件可能使原本独立的变量产生依赖。

19 个关键词2 个词条链接到这里4 个尚未撰写AI 撰写
有向图概率图模型因果推断选择偏差有向无环图贝叶斯网络概率质量函数概率密度函数碰撞点

碰撞点是有向图中某条路径上的一个节点,该路径上与其相邻的两条边都以箭头指向它。最简单的例子是 X→C←YX \rightarrow C \leftarrow Y,其中 CC 就是碰撞点。在概率图模型和因果推断中,碰撞点之所以重要,是因为以碰撞点为条件,有时甚至以其某个后代节点为条件,都可能使原本独立的变量在统计上产生依赖。这一机制是一种重要的选择偏差——碰撞偏差——的成因。

图上的定义

考虑一条路径,其中包含三个连续且互不相同的节点 AA、BB 和 DD。当局部结构如下时,中间节点 BB 就是这条路径上的碰撞点:

A→B←D.A \rightarrow B \leftarrow D.

两个箭头都指向 BB。相比之下,在以下任一结构中,BB 都不是碰撞点:

A→B→D,A←B→D,A←B←D.A \rightarrow B \rightarrow D, \qquad A \leftarrow B \rightarrow D, \qquad A \leftarrow B \leftarrow D.

这里所说的路径,不要求箭头方向与沿路径行进的方向一致。

一个节点是否为碰撞点,取决于所考察的具体路径,而不是节点本身的绝对属性。一个连接着多条边的节点,可能在一条路径上是碰撞点,而在另一条路径上不是。

在有向无环图(DAG)中,碰撞点在所考察的路径上有两个父节点。如果对该图作因果解释,那么碰撞点就是这两个父节点的共同结果。从碰撞点出发,沿一个或多个箭头可以到达的节点,称为它的后代节点。

如果结构 X→C←YX \rightarrow C \leftarrow Y 中的 XX 与 YY 之间没有边,那么这一结构也称为无屏蔽碰撞结构或 v 结构。碰撞点不一定是无屏蔽的:指向它的两个节点之间也可以有边相连。

概率与条件依赖

通过一个包含三个变量的贝叶斯网络,可以看出碰撞点的特殊性质。图结构

X→C←YX \rightarrow C \leftarrow Y

蕴含如下分解:

p(x,y,c)=p(x) p(y) p(c∣x,y).p(x,y,c)=p(x)\,p(y)\,p(c\mid x,y).

这里,pp 表示概率质量函数,或在适用时表示概率密度函数。对 CC 进行边缘化可得

p(x,y)=p(x) p(y),p(x,y)=p(x)\,p(y),

因此,XX 和 YY 具有统计独立性。

然而,以 C=cC=c 为条件后,对于满足 p(c)>0p(c)>0 的取值,有

p(x,y∣c)=p(x) p(y) p(c∣x,y)p(c),p(x,y\mid c) = \frac{p(x)\,p(y)\,p(c\mid x,y)}{p(c)},

这个表达式通常不能分解为 p(x∣c)p(y∣c)p(x\mid c)p(y\mid c)。因此,知道 CC 的取值后,关于 XX 的信息就可能对预测 YY 有所帮助。

这种效应通常称为解释消除。如果两个原因中的任何一个都可能导致某个已观察到的结果,那么得知其中一个原因存在,可能会降低将该结果归因于另一个原因的必要性。不过,仅凭碰撞结构本身,无法确定所诱导关联的正负或强弱;某些特定的概率分布也可能不会产生这种依赖。

一个二元变量的例子

设 XX 和 YY 是相互独立的二元随机变量,各自以 1/21/2 的概率等于 1。定义:只要 XX 或 YY 中至少有一个等于 1,就令 C=1C=1。

在施加条件之前,

P(Y=1∣X=0)=P(Y=1∣X=1)=12.P(Y=1\mid X=0)=P(Y=1\mid X=1)=\frac12.

在满足 C=1C=1 的观测中,可能的取值对为 (1,0)(1,0)、(0,1)(0,1) 和 (1,1)(1,1),各自的条件概率均为 1/31/3。因此,

P(Y=1∣X=0,C=1)=1,P(Y=1\mid X=0,C=1)=1,

而

P(Y=1∣X=1,C=1)=12.P(Y=1\mid X=1,C=1)=\frac12.

这种负关联是由仅考察满足共同结果条件的观测而产生的,并不意味着改变 XX 会在因果上改变 YY。

碰撞点与 d分离

支配上述现象的一般图规则是d分离。在有向无环图中,给定条件集合 ZZ,一条路径是活跃的,或称开放的,当且仅当:

  • 路径上的每个非碰撞点都不属于 ZZ;并且
  • 路径上的每个碰撞点,要么属于 ZZ,要么有后代节点属于 ZZ。

如果给定 ZZ 后,两个节点之间没有任何活跃路径,那么这两个节点就被 ZZ d分离。在图马尔可夫性质成立的情况下,d分离蕴含条件独立。

因此,未被作为条件的碰撞点会阻断路径,而以它为条件则可能打开该路径。以其后代节点为条件也可能激活这个碰撞点,因为后代节点可能传递有关它的信息。例如,在

X→C←Y,C→S,X \rightarrow C \leftarrow Y, \qquad C \rightarrow S,

中,即使没有观测到 CC,以 SS 为条件也可能打开 XX 与 YY 之间的路径。

打开一个碰撞点,并不一定会打开整条路径:另一个碰撞点可能仍未被激活,或者路径上其他位置的某个非碰撞点因被作为条件而阻断路径。此外,开放路径允许统计依赖存在,但并不保证每一个与图相容的概率分布都存在这种依赖。额外引入的忠实性假设排除了那些并非由 d分离所蕴含的条件独立关系。

碰撞偏差与选择

当条件化激活一条路径,使其产生对研究问题具有误导性的关联时,就会出现碰撞偏差。条件化不一定意味着显式计算条件概率。它也可能通过以下方式发生:

  • 将样本限定为符合某项资格标准的观测;
  • 按共同结果对结果进行分层;
  • 将共同结果作为协变量纳入回归;
  • 仅分析那些是否被纳入取决于多个变量的记录。

例如,假设两个相互独立的特征都会影响某个项目的录取。在获录取的申请者中,一个特征的值较低时,另一个特征的值可能往往较高。录取是一个碰撞点,而将分析限定于获录取的申请者,就相当于以录取为条件。在这一选定群体中观察到的关联,不一定能描述整个申请者总体。

伯克森悖论是这一机制的经典表现:选择进入某个被观察群体的过程,可能产生该群体来源总体中原本不存在的关联。选择效应还可能扭曲甚至逆转已经存在的关联。

并非所有涉及碰撞点的分析都必然有误。所选人群内部的条件关联,本身就可能是研究者想要描述的对象。偏差所涉及的是估计的量与目标总体或目标因果效应之间的不匹配。

与混杂因素和中介变量的区别

碰撞点不同于另外两种常见的因果结构。

ZZ 的角色 基本结构 以 ZZ 为条件的影响
作为共同原因的混杂因素 X←Z→YX \leftarrow Z \rightarrow Y 阻断这条共同原因路径
中介变量 X→Z→YX \rightarrow Z \rightarrow Y 阻断这条有向因果路径
碰撞点 X→Z←YX \rightarrow Z \leftarrow Y 若没有其他节点阻断,则打开这条路径

混杂因素并不是泛指任何同时与暴露和结局相关的变量。在基本的共同原因结构中,它先于暴露和结局,并对两者都有影响。以它为条件,可以消除沿这条路径传递的关联。

中介变量传递部分因果影响。以它为条件,会改变比较中所包含的因果路径,通常无法保留总因果效应。

相比之下,碰撞点接收来自路径上两个相邻节点的箭头。对它进行调整,可能引入而非消除关联。因此,在线性回归模型中加入更多协变量,并不一定能改善因果估计。

这些角色仍然取决于路径:同一个变量可能阻断一条路径,同时打开另一条路径。重要的是完整的图结构和目标效应,而不只是变量的标签。

在因果发现中的作用

无屏蔽碰撞结构在因果发现中十分重要,因为条件独立模式有助于限定可能的图结构。以下三个图

X→C→Y,X←C→Y,X←C←YX \rightarrow C \rightarrow Y, \qquad X \leftarrow C \rightarrow Y, \qquad X \leftarrow C \leftarrow Y

在这三个节点上具有相同的 d分离模式。无屏蔽碰撞结构 X→C←YX \rightarrow C \leftarrow Y 则具有不同的模式。

两个有向无环图马尔可夫等价,即它们蕴含相同的 d分离关系,当且仅当它们具有相同的底层无向邻接关系,以及相同的无屏蔽碰撞结构。因此,碰撞结构的箭头定向提供了仅凭邻接关系无法获得的信息。

从观测数据中推断这些结构,需要相应的假设和可靠的条件独立性判断。有限样本、未观测到的共同原因、选择机制,以及对忠实性假设的违反,都可能限制这类方法所能得出的结论。调整后出现的相关性,本身并不能证明存在碰撞点。