想象你面前摆着一套俄罗斯套娃，它们被打散堆在桌上。你的任务是不看说明书，仅靠观察每只套娃的花纹与尺寸，把它们按照“谁容纳谁”的嵌套顺序重新排好，并指出哪两只套娃是“直接接触”的。直觉上，最里面的那只套娃不依赖任何其它套娃而存在——它是整套结构的“根源”，而最外面那只则被所有内层套娃层层塑造。DirectLINGAM 算法做的就是这件事：它用统计学的眼睛，从一堆杂乱观测数据中找出“最根源的变量”、排出因果顺序，再识别出变量之间“直接挨着”的关系（邻域）。整个过程中没有魔法，只有一条朴素信念：真正的根源（最里面的套娃）不该被任何其它套娃“解释”出剩余信息。本文就带你一步步拆开这套“统计套娃”。

岗位关联

掌握 DirectLINGAM，你就掌握了一种不依赖复杂矩阵分解、可扩展性强的因果发现工具——这让 AI 从业者能在基因调控、金融传导等大规模非高斯数据上，从“相关猜测”升级为“因果判断”。

目录
  1. 可视化演示
  2. 因果模型假设
  3. 邻域选择策略
  4. 变量排序核心
  5. 非高斯性检验
  6. 对比原版LiNGAM
  7. 可扩展性改进
  8. 大规模数据实战
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示系统处理流水线、实时性能指标曲线及多方案对比分析，包含数据流转、吞吐延迟监控与方案评估。

本节配有交互动效（进入视口后自动加载，约 3KB）。

系统可视化 处理流程：输入→处理→模型→输出 性能监控：实时指标 P=L×T

因果模型假设

俄罗斯套娃能层层嵌套，靠的是两条潜规则：每一层恰好容纳“内一层”，且整套结构不能首尾相扣成环（否则拆不开）。因果数据也一样。LiNGAM 模型认为，每个观测变量都能写成“它前面那些变量的线性组合 + 一个独立的随机干扰”。这个干扰项必须是非高斯的——就像每只套娃的花纹必须独特，才能从外观上分辨嵌套顺序。因果序 k(i) 就是套娃从里到外的编号：k 越小越靠里，越“根源”。

具体来说，假设共有 p 个变量，对每个变量 x_i，它只被排序在它之前的变量影响，写成形式化的模型就是：

这三条假设（线性、无环、非高斯独立扰动）构成了整套“套娃”的物理规则。如果你拿到的数据真的来自这样一个模型，那么因果序在统计意义上是可识别的；如果模型被违反（比如有环），DirectLINGAM 的拆解就会像卡死的套娃一样失灵。

xi=∑j:k(j)<k(i)bijxj+ei\displaystyle x_i = \sum_{j: k(j) < k(i)} b_{ij} x_j + e_i
这个公式说：每个变量 = 所有“更根源”变量的线性作用 + 属于它自己的随机扰动。
  1. 变量集合x_i 表示第 i 个观测变量，共有 p 个这样的变量。
    i∈{1,2,…,p}i \in \{1, 2, \dots, p\}
  2. 求和范围只对因果序排在 x_i 之前的变量累加，即只允许“因”影响“果”。
    k(j)<k(i)k(j) < k(i)
  3. 因果强度系数 b_ij 表示变量 x_j 对 x_i 的直接影响力度。
    bij∈Rb_{ij} \in \mathbb{R}
  4. 独立扰动e_i 是 x_i 自己的噪声，与其它噪声独立且服从非高斯分布。
    ei⊥ ⁣ ⁣ ⁣⊥ej (j≠i),ei∼非高斯e_i \perp\!\!\!\perp e_j \ (j \neq i), \quad e_i \sim \text{非高斯}

邻域选择策略

光知道套娃有嵌套顺序还不够，你还得找出“哪两只套娃直接接触”——中间隔着其它层的间接影响要排除掉。统计上，这就是邻域选择：为每个变量找到它的直接原因集合（父节点）。DirectLINGAM 用回归残差来回答这个问题。假设你在怀疑变量 x_i 的邻居是不是 x_j，那就试着用 x_i 去解释 x_j——严格说，是把 x_j 对 x_i 做一元回归，得到残差：

做完这步检验，你就能判断 x_j 与 x_i 之间是“直接接触”还是“隔层传话”：如果残差与 x_i 纠缠不清，说明 x_j 还受 x_i 之外的因素牵动，或者 x_i 根本受 x_j 影响，两者之间存在更复杂的因果路径。对所有候选邻居做一遍逐对回归，只保留那些“残差独立”的边，就得到了稀疏的邻域结构。

rj(i)=xj−Cov⁡(xj,xi)Var⁡(xi)xi\displaystyle r_j^{(i)} = x_j - \frac{\operatorname{Cov}(x_j, x_i)}{\operatorname{Var}(x_i)} x_i
残差就是“用 x_i 解释完 x_j 后剩下说不清的部分”。如果 x_i 是根源变量，这个剩余部分应该与 x_i 毫无关系。
  1. 回归目标x_j 是被解释的变量，我们想知道它能否被候选根源 x_i 完全解释。
    xj=βxi+rj(i)x_j = \beta x_i + r_j^{(i)}
  2. 最小二乘斜率β 取使残差平方和最小的值，恰好等于协方差除以方差。
    β=Cov⁡(xj,xi)Var⁡(xi)\beta = \frac{\operatorname{Cov}(x_j, x_i)}{\operatorname{Var}(x_i)}
  3. 残差定义拟合值与真实值之差，代表 x_j 中不受 x_i 线性控制的部分。
    rj(i)=xj−βxir_j^{(i)} = x_j - \beta x_i
  4. 独立性判据若 x_i 是外生变量，则残差与 x_i 独立。
    rj(i)⊥ ⁣ ⁣ ⁣⊥xir_j^{(i)} \perp\!\!\!\perp x_i

变量排序核心

现在进入整套方法的真正引擎：逐层剥离。想象你把一堆套娃倒在地上，想找最里面的那只。你不可能一眼看穿，但有一个聪明办法——对每只套娃做“独立性体检”：拿它当假想的中心，让其它套娃分别去“解释”它，看谁的解释残差与它自己完全无关。最中心的那只套娃，无论别人怎么解释它，残差都和它自己独立（因为它根本不依赖任何人）。于是，每一轮你只需要算一个总分选出“最独立”的变量，把它挪出候选区，固定到排序队列头部，然后对剩下变量重复同样的操作。

形式化地说，DirectLINGAM 每一轮做如下优化：

当 U 被清空时，p 个变量的因果序就完整出炉了。整个过程像剥洋葱也像拆套娃：每轮只解决“谁是最里面那一只”这一个简单问题，不奢求一次性看透全局——这正是它稳健的根源。

x^=arg⁡min⁡i∈U∑j∈U,j≠iT(xi, rj(i))\displaystyle \hat{x} = \arg\min_{i \in U} \sum_{j \in U, j \neq i} T\bigl(x_i,\ r_j^{(i)}\bigr)
这里的 T 是独立性检验统计量（越小越独立），把变量 i 与所有其它变量回归残差的独立性汇总，最小的那个变量就是当前“最里面的套娃”。
  1. 候选集合U 是还没排好序的变量集合，初始包含全部 p 个变量。
    U={1,2,…,p}U = \{1, 2, \dots, p\}
  2. 独立性得分对每个候选 i，累计它与所有其它变量残差的独立性统计量。
    Si=∑j∈U,j≠iT(xi, rj(i))S_i = \sum_{j \in U, j \neq i} T\bigl(x_i,\ r_j^{(i)}\bigr)
  3. 取最小值得分最小的候选就是最外生变量，因为它与所有回归残差都最独立。
    x^=arg⁡min⁡i∈USi\hat{x} = \arg\min_{i \in U} S_i
  4. 剥离更新把选出的变量从候选集合中移除，固定因果序，回到第 1 步。
    U←U∖{x^}U \leftarrow U \setminus \{\hat{x}\}

非高斯性检验

为什么非要强调花纹独特？如果所有套娃都涂成同一种颜色、同一种图案，你根本分不清谁套谁——从统计学上说，如果变量都是高斯分布，线性因果模型只能识别到“马尔可夫等价类”，方向完全无法区分。非高斯性就像给每只套娃印上独一无二的花纹，让统计检验能够辨别嵌套方向。

独立性度量是这场辨别的显微镜。DirectLINGAM 中常用 HSIC（希尔伯特-施密特独立性准则）这类核方法：把两个变量的样本映射到高维特征空间，看它们的“交叉相似度”是否为零。HSIC 的经验估计是：

有了这把“花纹鉴别镜”，变量排序的每一步都有了可靠依据。非高斯性 + 核方法，让 DirectLINGAM 能在不假设具体分布形态的前提下完成方向识别。

HSIC⁡(x,y)=1n2tr⁡(KHLH)\displaystyle \operatorname{HSIC}(x, y) = \frac{1}{n^2} \operatorname{tr}(K H L H)
K 和 L 是两个变量的核相似度矩阵，H 是中心化矩阵。这个值越接近 0，说明两个变量在特征空间中越互不相干。
  1. 核矩阵用高斯核把每个变量的两两样本相似度存成矩阵。
    Kab=exp⁡(−(xa−xb)22σ2)K_{ab} = \exp\left(-\frac{(x_a - x_b)^2}{2\sigma^2}\right)
  2. 中心化H 把矩阵按列和按行都减去均值，消除常数偏差。
    H=In−1n11⊤H = I_n - \frac{1}{n} \mathbf{1}\mathbf{1}^{\top}
  3. 交叉迹运算迹运算把所有样本对的“跨变量相似度”累加起来。
    tr⁡(KHLH)=∑a=1n(KHLH)aa\operatorname{tr}(K H L H) = \sum_{a=1}^{n} (K H L H)_{aa}
  4. 归一化除以 n² 得到与样本量无关的统计量。
    1n2tr⁡(KHLH)→n→∞0  ⟺  x⊥y\frac{1}{n^2} \operatorname{tr}(K H L H) \xrightarrow{n \to \infty} 0 \iff x \perp y

对比原版LiNGAM

最初的 LiNGAM 走的是另一条路线：它把整套套娃扔进熔炉，用独立成分分析（ICA）一次性把所有“花纹成分”分离出来，再通过混合矩阵的行列式判断排序。这种“整体熔解重组”的工艺有个致命弱点：如果熔炉里的材料配比接近“病态”（混合矩阵接近奇异），微小扰动会被放大成巨大误差，一次分离失败整套工序就毁了。

DirectLINGAM 改用“徒手逐层剥离”：每一轮只处理当前最简单的子问题（找最外生变量）。两者对比如下：

  • 依赖组件：ICA-LiNGAM 依赖 ICA 收敛到全局最优；DirectLINGAM 只依赖逐对回归，无全局优化陷阱。
  • 病态鲁棒性：ICA 对病态混合矩阵敏感；DirectLINGAM 的逐对回归天然规避了矩阵求逆放大的问题。
  • 精度表现：在样本量适中、非高斯性明确的数据上，DirectLINGAM 的排序准确率通常不低于甚至优于 ICA-LiNGAM，尤其在变量数较多时。

用套娃的话说：与其把整套套娃融了再铸（还要祈祷材料均匀），不如一只一只地拆，每拆一只都只做最拿手的判断。拆错的代价是一只手误判，而熔铸失败代价是全部报废。

可扩展性改进

当套娃数量从 5 只涨到 500 只，“逐层剥离”策略的扩展优势就显现了。ICA-LiNGAM 需要对整个 p × p 混合矩阵做一次全局分解，随着 p 增大，计算和内存都吃不消；DirectLINGAM 的核心操作是“回归 + 独立性检验”，每一轮最多做 O(p) 次逐对检验，总共 p 轮：

此外，独立性检验之间彼此独立，可以分块并行；核矩阵也可以用小批量近似降低内存。这些工程上的特性让 DirectLINGAM 能从容应对几十上百个变量的大规模数据，而原版 ICA-LiNGAM 往往在 p 超过 20 时就开始力不从心。

O(p2)×O(n2)=O(p2n2)\displaystyle O(p^2) \times O(n^2) = O(p^2 n^2)
其中 p 是变量数、n 是样本量。复杂度虽然仍有平方项，但没有了 ICA 迭代的“隐形成本”，且每轮检验互相独立，天然可以并行。
  1. 变量轮次总共需要剥离 p 个变量，外层循环是 p 次。
    p 轮剥离p \text{ 轮剥离}
  2. 逐对检验每一轮对候选变量与其余变量做回归独立性检验，最多 p-1 对。
    O(p) 次检验 / 轮O(p) \text{ 次检验 / 轮}
  3. 核矩阵开销每次 HSIC 需要计算 n × n 核矩阵。
    O(n2) 每次检验O(n^2) \text{ 每次检验}
  4. 总复杂度相乘得到总计算量。
    O(p)×O(p)×O(n2)=O(p2n2)O(p) \times O(p) \times O(n^2) = O(p^2 n^2)

大规模数据实战

把整套流程搬到真实世界，就像博物馆请来一位套娃修复大师：先给每一只套娃拍照建档（数据预处理），再按花纹逐层确定先后（因果序估计），最后记录哪些套娃直接相邻并绘制成图（因果图输出）。在大规模数据上，DirectLINGAM 的流程清晰分成四步：

1. 数据预处理：标准化变量、去除明显异常值、检查非高斯性是否成立。

2. 因果序估计：循环执行邻域回归 + HSIC 独立性检验，逐层剥离外生变量。

3. 因果图输出：在排序确定后，用稀疏回归（如 Lasso）估计每条边的权重，得到最终 DAG。

4. 应用决策：将因果图交给下游任务——找出根因指标、预测干预效果、定位传导路径。

这套“拍照 → 分层 → 连线”的流水线，在基因调控网络、宏观经济传导、工业故障溯源等领域都有直接应用。理解 DirectLINGAM 的邻域选择与排序，你就掌握了在非高斯数据上绘制因果地图的核心技能。

AI 应用场景

基因调控网络发现

阶段：因果结构学习

解决的问题：传统相关性分析（如共表达网络）只能给出“哪些基因一起变化”，无法区分谁调控谁。DirectLINGAM 利用基因表达数据的非高斯性，推断转录因子与靶基因之间的调控方向和直接依赖关系，大幅降低假阳性调控边。

具体案例：在单细胞 RNA 测序数据中，研究者对 50 个关键免疫基因的表达量运行 DirectLINGAM，得到调控顺序后，用 Lasso 稀疏回归量化边权重，最终重构出与已知生物学通路一致度高达 70% 的基因调控子网络。

宏观经济指标传导分析

阶段：数据分析与因果推理

解决的问题：CPI、PPI、PMI 等宏观指标之间存在领先滞后关系，但传统回归容易把“相关”误判为“因果”。DirectLINGAM 在多元时间序列上找出最外生的指标（如货币政策变量），进而定位传导链条的源头。

具体案例：某金融研究团队用 2010-2023 年月度宏观数据（12 个指标），运行 DirectLINGAM 得到“货币供应量 → 工业增加值 → PPI → CPI”的因果序，据此构建通胀预警模型，提前 2 个月预警了输入性通胀拐点。

工业故障根因溯源

阶段：异常诊断与根因分析

解决的问题：大型设备几十个传感器同时报警时，运维人员难以判断哪个是根因。DirectLINGAM 利用传感器信号的超高斯分布特性，从故障时间窗数据中剥离出最外生的“根因传感器”，再通过邻域选择还原故障传播路径。

具体案例：某风电场对 35 个机组传感器的 10 分钟级数据运行 DirectLINGAM，定位出 3 号传感器（齿轮箱温度）为最外生异常源，检修确认齿轮箱轴承磨损，避免了盲目更换 5 个部件的损失。

Python 演示

python57 行
import numpy as np def gaussian_kernel(X, sigma=1.0):    """计算高斯核矩阵"""    D = np.sum(X ** 2, axis=1)[:, None] + np.sum(X ** 2, axis=1)[None, :] - 2 * X @ X.T    return np.exp(-D / (2 * sigma ** 2)) def hsic(x, y):    """HSIC 独立性检验，值越接近 0 表示越独立"""    n = len(x)    K = gaussian_kernel(x.reshape(-1, 1))    L = gaussian_kernel(y.reshape(-1, 1))    H = np.eye(n) - np.ones((n, n)) / n    return np.trace(K @ H @ L @ H) / (n * n) def direct_lingam_order(X):    """DirectLINGAM 核心：逐轮选择最外生变量"""    p = X.shape[1]    remaining = list(range(p))    ordering = []    for _ in range(p):        best_i, best_score = None, np.inf        for i in remaining:            score = 0.0            for j in remaining:                if i == j:                    continue                # 将 x_j 对 x_i 做一元回归，取残差                beta = np.cov(X[:, j], X[:, i])[0, 1] / np.var(X[:, i])                resid = X[:, j] - beta * X[:, i]                # 残差与 x_i 越独立，说明 x_i 越可能是外生变量                score += hsic(resid, X[:, i])            if score < best_score:                best_score, best_i = score, i        ordering.append(best_i)        remaining.remove(best_i)    return ordering def generate_data(n=600, order=None):    """生成线性非高斯数据，order 中靠前的变量更外生"""    rng = np.random.default_rng(0)    m = len(order)    X = np.zeros((n, m))    for pos, idx in enumerate(order):        # 非高斯源：均匀分布        X[:, idx] = rng.uniform(-2, 2, n)        for prev in order[:pos]:            X[:, idx] += 0.5 * X[:, prev]    return X if __name__ == "__main__":    true_order = [0, 3, 1, 2, 4]    X = generate_data(order=true_order)    found = direct_lingam_order(X)    print("真实因果序  :", ["x%d" % (i + 1) for i in true_order])    print("DirectLINGAM:", ["x%d" % (i + 1) for i in found])    print("排序一致    :", found == true_order)
目的：完整实现 DirectLINGAM 的核心逻辑——用 HSIC 独立性检验逐轮剥离最外生变量，在合成非高斯数据上恢复因果序。
  1. def hsic(x, y):用核矩阵的交叉相似度衡量两个变量的独立性，这是“花纹鉴别镜”的代码化身。
  2. H = np.eye(n) - np.ones((n, n)) / n构造中心化矩阵，去掉每个变量自身的均值偏移。
  3. beta = np.cov(X[:, j], X[:, i])[0, 1] / np.var(X[:, i])计算“用 x_i 解释 x_j”的最小二乘斜率。
  4. resid = X[:, j] - beta * X[:, i]残差就是 x_j 中说不清的那部分，类似套娃的“剩余花纹”。
  5. score += hsic(resid, X[:, i])累加残差与候选变量 x_i 的独立性得分，得分越小越像根因。
  6. if score < best_score:找到当前候选集中独立性得分最小的变量，即最里面的那只套娃。
  7. remaining.remove(best_i)剥离选中的变量，对剩余变量重复，直到全部排好序。
  8. X[:, idx] = rng.uniform(-2, 2, n)用均匀分布生成非高斯源，确保因果方向可识别。

常见误区

误区我听说 DirectLINGAM 很稳健，是不是直接拿任何数据跑一遍，出来的图就一定是因果图？

正解稳健指的是“同样的假设条件下比 ICA-LiNGAM 更不容易崩”，而不是“免假设”。它仍然严格要求数据来自线性、无环、非高斯独立噪声模型。如果数据里存在隐藏共因或强非线性，输出的“因果图”可能只是近似甚至误导。用之前至少要检查残差是否近似非高斯、结构是否近似无环。

为何常见：很多算法宣传强调“无需先验知识”，让初学者误以为无需模型假设，实际只是“无需指定具体分布形式”。

误区邻域选择不就是每个变量选几个和它相关系数最高的变量当父节点吗？

正解这是把因果邻域和变量选择混为一谈。DirectLINGAM 的邻域选择基于“条件独立性”：把候选变量之外的干扰去掉后，看残差是否仍与对方纠缠。两个变量可能因为共同祖先而高度相关，但残差独立性检验能排除这种间接假象。先做因果序剥离，再做稀疏回归，才是正确的父节点识别姿势。

为何常见：传统特征选择（如 Lasso）就是挑预测能力强的变量，初学者容易把“预测关系”直接替换成“因果关系”。

误区高斯分布是最常见的分布，算法应该对它最友好，高斯数据下效果肯定更好。

正解恰好相反。高斯变量在线性模型下，因果方向不可识别——x → y 和 y → x 会生成完全相同的联合分布，独立性检验无法分辨谁先谁后。非高斯性（如均匀、指数、t 分布）是 LiNGAM 家族识别方向的必要前提。强行把数据高斯化（如做逆正态变换）反而会毁掉方向信息。

为何常见：多数机器学习算法喜欢高斯数据，人们惯性认为“更标准的数据 = 更好的结果”，忽略了因果识别的特殊需求。

误区跑完 DirectLINGAM 得到一张图，每条边都代表真实的直接因果关系。

正解DirectLINGAM 在理想假设下可识别真实 DAG，但现实数据总有偏差：样本有限导致独立性检验误判、隐藏变量未建模、非线性未捕捉，都会让边出现缺失或冗余。它输出的是“在当前数据和假设下的最佳因果假设”，专业做法是结合领域知识做验证，或对比多个因果发现算法的共识部分。

为何常见：因果图可视化后看起来非常确定，人脑容易把“模型输出”误认为“客观真理”。

面试题

Q1. DirectLINGAM 中的“最外生变量”指的是？

单选题 · easy

  • A.对其它变量影响最大的那个变量
  • B.不受模型中任何其它变量影响的变量← 正确答案
  • C.与所有目标变量相关性最强的变量
  • D.回归残差方差最大的那个变量

答案：B。最外生变量就像俄罗斯套娃最里面的核心，不依赖任何其它变量而存在。选项 B 正确。A 说的是影响力最大，C 说的是相关性最强，D 说的是残差波动大，都与“外生”的定义无关。

Q2. DirectLINGAM 判断某变量是否外生的核心依据是什么？

单选题 · easy

  • A.该变量与其它变量的相关系数大小
  • B.该变量与其它变量回归残差的独立性← 正确答案
  • C.该变量与噪声项的同分布程度
  • D.该变量在数据中的方差占比

答案：B。核心判据是：把其它变量对候选变量做回归，看残差与候选变量是否独立。如果独立，说明候选变量无法被其它变量“解释掉”，它就是根源。选项 B 正确，A 的相关性会被间接路径污染，C 和 D 与因果序无关。

Q3. 为什么线性高斯模型不能唯一识别因果方向？

多选题 · mid

  • A.高斯分布的对称性导致协方差信息不足← 正确答案
  • B.马尔可夫等价类中的结构无法分离方向← 正确答案
  • C.高斯分布下回归残差仍呈高斯分布← 正确答案
  • D.高斯变量的方差无法被准确估计

答案：ABC。高斯分布在线性变换下保持高斯性，x → y 和 y → x 能产生相同的联合分布，因此协方差信息无法区分方向（A、B 对）。回归残差也仍是高斯，独立性检验失去区分力（C 对）。D 是无稽之谈，高斯方差估计很成熟。

Q4. 将 DirectLINGAM 与原版 ICA-LiNGAM 对比，下列说法正确的是？

单选题 · mid

  • A.DirectLINGAM 依赖 ICA 分解来提取独立成分
  • B.DirectLINGAM 采用逐对回归与独立性检验← 正确答案
  • C.DirectLINGAM 适用于高斯分布的数据集
  • D.DirectLINGAM 无法获得变量的因果顺序

答案：B。DirectLINGAM 的核心创新正是绕开 ICA，改用逐对回归 + 独立性检验来逐层剥离外生变量（B 对）。它不依赖 ICA（A 错），仍然要求非高斯（C 错），输出的因果序就是剥离顺序（D 错）。

Q5. 邻域选择中，将 x_j 对 x_i 做一元回归得到残差后，若残差与 x_i 独立，说明什么？

单选题 · mid

  • A.x_i 一定是 x_j 的直接父节点
  • B.x_i 与 x_j 之间没有任何因果关系
  • C.x_j 中不存在 x_i 之外的、与 x_i 纠缠的剩余信息，x_i 可能是外生变量← 正确答案
  • D.x_i 与 x_j 的相关系数一定为零

答案：C。残差与 x_i 独立，说明用 x_i 解释完 x_j 后，剩余部分与 x_i 无关——这正是外生变量应有的特征。这不一定说明两者无因果（B 错），也不保证 x_i 就是 x_j 的父节点（A 强加了方向），相关系数也可能非零（D 错）。

Q6. DirectLINGAM 的“逐层剥离”过程包含哪些步骤？

多选题 · easy

  • A.计算每个候选变量的独立性得分← 正确答案
  • B.选出得分最小的变量作为当前外生变量← 正确答案
  • C.从候选集中移除该变量后重新计算← 正确答案
  • D.用 ICA 一次分解出所有独立成分

答案：ABC。逐层剥离的循环三件事：算分、选最小、移除后重来（A、B、C）。D 是原版 ICA-LiNGAM 的做法，DirectLINGAM 正是要避免它。

Q7. HSIC 独立性检验的统计量越接近 0，表示什么？

单选题 · easy

  • A.两个变量之间的相关性越强
  • B.两个变量之间越独立← 正确答案
  • C.两个变量的方差越接近
  • D.两个变量的均值越接近

答案：B。HSIC 度量的是两个变量在核特征空间中的交叉相似度，趋近 0 意味着互不依赖。它考察独立性而不是相关性强度、方差或均值，所以 B 正确。

Q8. 关于 DirectLINGAM 的可扩展性，下列说法正确的是？

单选题 · mid

  • A.其计算量随变量数线性增长
  • B.其每次回归都必须使用全部变量信息
  • C.其采用非参数独立性检验，适合大规模数据← 正确答案
  • D.其必须用全局 ICA 分解才有高精度

答案：C。DirectLINGAM 用 HSIC 等非参数检验，不依赖分布形式，且逐对回归天然可并行，适合大规模数据（C 对）。总复杂度是 O(p²n²)，不是线性（A 错），每步只对当前候选集回归（B 错），D 完全违背设计初衷。

Q9. DirectLINGAM 中，若所有候选变量的独立性得分差异都不显著，最可能说明什么？

单选题 · hard

  • A.数据中存在较多高斯噪声干扰
  • B.因果图是完整的有向完全图
  • C.当前候选集中没有明显的外生变量← 正确答案
  • D.所有变量之间彼此完全独立

答案：C。得分差异不显著意味着每个候选变量被其它变量解释的程度差不多，没有一个拥有“残差独立”的压倒性优势，说明当前层没有清晰的外生变量（C 对）。A 是可能原因但不是结论，B 与得分无关，D 若完全独立则所有得分都应接近 0 且排序无所谓，不属于“无明显外生变量”的问题。

Q10. DirectLINGAM 相比原版 ICA-LiNGAM 更稳健的原因有哪些？

多选题 · hard

  • A.逐对回归避免了病态混合矩阵问题← 正确答案
  • B.不需要对混合矩阵做全局可逆分解← 正确答案
  • C.对高斯变量同样能够识别因果方向
  • D.可以方便地加入并行化与分块策略← 正确答案

答案：ABD。DirectLINGAM 用逐对回归替代全局 ICA 分解，避免了病态混合矩阵带来的误差放大（A、B 对）；每轮检验相互独立，便于并行（D 对）。但它仍然要求非高斯数据（C 错），并未突破 LiNGAM 的可识别性前提。