【第7章5節】PCアルゴリズムの2次の独立性検定を実施するべき

YutaroOgawa / causal_book

書籍「作りながら学ぶ! PyTorchによる因果推論・因果探索」の実装コードのリポジトリです

MIT License

113 stars 32 forks source link

# 2020年7月24日追記 # 2次の独立性の検定変数Y print(est.test_conditional_independence( 'Y', 'x', ['Z', 'Y3'], method="chi_square", tol=0.05)) print(est.test_conditional_independence( 'Y', 'Z', ['x', 'Y3'], method="chi_square", tol=0.05)) print(est.test_conditional_independence( 'Y', 'Y3', ['x', 'Z'], method="chi_square", tol=0.05))

修正【2】p. 163 第7章5節：疑似データ「上司向け：部下とのキャリア面談のポイント研修」の生成

（誤）


# 本章からの追加データを生成

# Y2：部下当人のチームメンバへの満足度 1から5の5段階
Y2 = np.random.choice([1.0, 2.0, 3.0, 4.0, 5.0],
                      num_data, p=[0.1, 0.2, 0.3, 0.2, 0.2])

# Y3：部下当人の仕事への満足度
e_y3 = randn(num_data)
Y3 = 3*Y + Y2 + e_y3

# Y4：部下当人の仕事のパフォーマンス
e_y4 = randn(num_data)
Y4 = 3*Y3 + 5 + 2*e_y4

↓

（修正）

# 本章からの追加データを生成

# Y2：部下当人のチームメンバへの満足度 1から5の5段階
Y2 = np.random.choice([1.0, 2.0, 3.0, 4.0, 5.0],
                      num_data, p=[0.1, 0.2, 0.3, 0.2, 0.2])

# Y3：部下当人の仕事への満足度
e_y3 = randn(num_data)
Y3 = 4*Y + Y2 + e_y3

# ※初版、第2版は20/7/24に変更
#  Y3 = 3*Y + Y2 + e_y3

# Y4：部下当人の仕事のパフォーマンス
e_y4 = randn(num_data)
Y4 = 3*Y3 + 5 + 2*e_y4

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝（変更の理由）

元の実装コードのままでは、 2次の独立性検定を実施すると、 [Y]ー[Y3]間の結合が切れてしまいます。

すなわち、

print(est.test_conditional_independence(
    'Y', 'Y3', ['x', 'Z'], method="chi_square", tol=0.05))

がTrueになってしまいます。

これは、Y3に対してYが与えている影響が小さすぎて独立と判定されてしまうためです。そのため、Y3のYの係数を3から4へと大きくし、独立ではない模擬データに変更します。

この変更により、2次の独立性検定を実施しても、図7.5.6の結果と同じままになり、本書の第7章5節の解説に変更はありません（上記の変更【1】部分のみ変更）

ただし、図7.5.12　ベイジアンネットワークでの推定結果の細かな数値は変化します。

（より細かい議論が気になる方は、https://github.com/YutaroOgawa/causal_book/issues/8をご覧ください）

以上、読者の皆さまには大変ご迷惑と混乱を与える誤った記述をしており、申し訳ございません。どうぞよろしくお願い致します。

YutaroOgawa / causal_book

【第7章5節】PCアルゴリズムの2次の独立性検定を実施するべき #10