PDF

イントロ

  • ドイツにおけるコロナの広がりを因果時系列モデルを使って分析
  • 空間的拡散と規制の因果的効果を理解するため
  • 時系列因果探索の難しさは隠れた潜在因子があること, d分離できないこと, 一時的な効果を扱えないこと
  • 共変量の次元に対してサンプルサイズが少ない場合を考える
  • 全ての共変量が観測できるわけではないので, 潜在因子に対処できる手法が必要
  • 時系列因果探索においてはGranger因果が広く使われている
  • しかしGranger因果モデルは潜在因子を考慮できない
  • SyPIの制限を緩めて拡張する
  • ドイツにおけるコロナの発生データを使い, コロナの拡散において因果的役割を持っている地域と規制を検出する

実験

  • ドイツにおける一日ごとのコロナの発生数
  • 州のサイトから9つの規制を取得 (学校の閉鎖, 大人数での集会禁止など)
  • 図3(a)はドイツの州間のコロナ拡散に関する因果パス
    • 矢印の色は各州の原因
    • コロナが近隣の州に広がっている尤もらしい結果が出ている
    • BayernとBaden-Württembergにはほぼ他の州からの矢印がない
    • これらの州には隣国 (イタリアとオーストラリア)からコロナが広がっているためと考えられる
    • Tirschenreuthが近隣のほとんどの州の感染増の原因になっている -> 大きいビールフェスティバルが原因?
  • 図3(b)は各地区間の因果パス
    • 直線が近隣同士の因果関係, 点線が離れた地区同士の因果
    • 特定された因果関係はほぼ近隣同士
    • 点線は主要都市間の交通網に対応している