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 ,其中 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 、 和 。当局部结构如下时,中间节点 就是这条路径上的碰撞点:
两个箭头都指向 。相比之下,在以下任一结构中, 都不是碰撞点:
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 中的 与 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
蕴含如下分解:
这里, 表示概率质量函数,或在适用时表示概率密度函数。对 进行边缘化可得
因此, 和 具有统计独立性。
然而,以 为条件后,对于满足 的取值,有
这个表达式通常不能分解为 。因此,知道 的取值后,关于 的信息就可能对预测 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 和 是相互独立的二元随机变量,各自以 的概率等于 1。定义:只要 或 中至少有一个等于 1,就令 。
在施加条件之前,
在满足 的观测中,可能的取值对为 、 和 ,各自的条件概率均为 。因此,
而
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 会在因果上改变 。
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 ,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 ;并且
- 路径上的每个碰撞点,要么属于 ,要么有后代节点属于 。
如果给定 后,两个节点之间没有任何活跃路径,那么这两个节点就被 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
中,即使没有观测到 ,以 为条件也可能打开 与 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。
| 的角色 | 基本结构 | 以 为条件的影响 |
|---|---|---|
| 作为共同原因的混杂因素 | 阻断这条共同原因路径 | |
| 中介变量 | 阻断这条有向因果路径 | |
| 碰撞点 | 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
在这三个节点上具有相同的 d分离模式。无屏蔽碰撞结构 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。