Regression model
因果発見アルゴリズム (PC, FCI, LiNGAM)
因果発見とは、観測データから直接、因果構造を記述する有向非巡回グラフ（DAG）を自動的に学習するアルゴリズム群のことである。制約ベースのPCおよびFCIアルゴリズムはSpirtes, Glymour, Scheines (2000) によって開発され、Shimizuら (2006) のLiNGAMモデルは線形非ガウス構造を利用してエッジの向きを決定する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction, and Search (2nd ed.). MIT Press. ISBN: 978-0262194402
- Shimizu, S., Hoyer, P. O., Hyvärinen, A., & Kerminen, A. (2006). A Linear Non-Gaussian Acyclic Model for Causal Discovery. Journal of Machine Learning Research, 7, 2003-2030. link ↗
このページの引用方法
ScholarGate. (2026, June 1). Causal Discovery Algorithms (PC, FCI, LiNGAM). ScholarGate. https://scholargate.app/ja/causal-inference/causal-discovery
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DAG (Directed Acyclic Graph) による因果推論特定 (do-calculus)因果推論↔ compare
- 差分の差 (Difference-in-Differences, DiD)計量経済学↔ compare
- 因果推論のための操作変数（IV）法医療経済学↔ compare
- 最小二乗法 (OLS) 回帰計量経済学↔ compare
- 傾向スコアマッチング研究統計↔ compare