Väitös 24.8.2018: Yksinkertaisempaa ja käytännöllisempää kausaalipäättelyä (Tikka)

Kausaalipäättelyssä käytettyjen algoritmien tuottamat lausekkeet ovat usein monimutkaisia ja tarpeettoman pitkiä. Santtu Tikka on väitöskirjatyössään kehittänyt uusia menetelmiä lausekkeiden sieventämiseen ja löytänyt uusia ratkaisuja niiden parempaan käytettävyyteen.

Kausaliteetti on syy-seuraussuhde kahden tapahtuman välillä. Kausaalipäättelyssä syy-seuraussuhteita tutkitaan tilastotieteen keinoin käyttäen hyväksi saatavilla olevaa aineistoa ja asiantuntijoiden tietämystä. Perinteisesti kausaalisten päätelmien tekeminen on rajoittunut kokeellisiin tutkimuksiin, mutta kausaalimallien avulla päätelmiä on joissakin tapauksissa mahdollista tehdä myös havaintotutkimusten yhteydessä.

Kausaalipäättelyn yhteydessä identifioituvuudella tarkoitetaan sitä, onko jokin kiinnostuksen kohteena oleva suure yksikäsitteisesti määritettävissä. Erityisesti kiinnostuksen kohteena ovat usein kausaalivaikutukset eli jonkin toimenpiteen seurauksena havaitut muutokset kiinnostuksen kohteena olevien muuttujien todennäköisyysjakaumassa. Kausaalivaikutusten identifioituvuus määritetään tyypillisesti algoritmien avulla. Santtu Tikka tutki tilastotieteen väitöskirjassaan, miten olemassa olevia kausaalivaikutusten identifioituvuusalgoritmeja olisi mahdollista parantaa. Tutkimuksen tuloksena algoritmien antamia ratkaisuja oli mahdollista parantaa niin käytettävyyden kuin tilastollisen arvioinnin näkökulmasta.

Väitöskirjatyössään Tikka tutki menetelmiä identifioituvuusalgoritmien tuloksena saatujen lausekkeiden sieventämiseksi. Tikan mukaan sievennys on tarpeen, sillä algoritmien tuottamat lausekkeet ovat usein monimutkaisia ja tarpeettoman pitkiä.

- Vaikka käytetyt algoritmit ovatkin täydellisiä, eli ne antavat aina oikean ratkaisun jokaiselle kausaalivaikutukselle, niin ei ole mitään takeita siitä, että itse ratkaisu olisi käytännöllinen, Tikka täsmentää.

Selkeämpiä graafeja

Kausaalipäättely nojaa vahvasti graafiteoriaan. Graafien avulla syy-seuraussuhteet on helppo kuvata niin visuaalisesti kuin formaalistikin. Tietyn kausaalivaikutuksen identifioituvuus riippuu vahvasti graafista, jossa vaikutusta tarkastellaan. Tikan mukaan myös kiinnostuksen kohteena olevalla graafilla on keskeinen rooli algoritmien antamien lausekkeiden käytettävyyden kannalta.

- Usein graafit sisältävät tietyn identifioituvuusongelman kannalta epäoleellisia muuttujia, jolloin kyseiset muuttujat voidaan sopivissa olosuhteissa jättää kokonaan huomiotta, Tikka kertoo.

Tutkimuksen tuloksena syntyneet menetelmät ovat saatavilla avoimen lähdekoodin ohjelmistona.

FM Santtu Tikan tilastotieteen väitöskirjan "Improving identification algorithms in causal inference" tarkastustilaisuus perjantaina 24.8.2018 klo 12:00 salissa H320. Vastaväittäjänä apulaisprofessori Jose Peña (Linköpings Universitet) ja kustoksena professori Juha Karvanen (Jyväskylän yliopisto). Väitöstilaisuus on englanninkielinen.

Lisätietoja

• Santtu Tikka, santtu.tikka@jyu.fi, 040-0346064
• Tiedottaja Elina Leskinen, viestinta@jyu.fi, 050 581 8351

Santtu Tikka kirjoitti ylioppilaaksi Cygnaeus-lukiosta (nykyinen Schildtin lukio) vuonna 2011 ja valmistui filosofian maisteriksi Jyväskylän yliopistosta vuonna 2015. Tämän jälkeen hän aloitti tohtorikoulutettavana Jyväskylän yliopiston matematiikan ja tilastotieteen laitoksella. Tutkimusta rahoittivat Suomen Kulttuurirahasto, Suomen Akatemia sekä matematiikan ja tilastotieteen laitos.

Väitöskirja on julkaistu sarjassa University of Jyväskylä, Department of Mathematics and Statistics, Report 168, Jyväskylä 2018, ISSN 1457-8905, ISBN 978-951-39-7518-0 (nid.), ISBN 978-951-39-7519-7 (pdf). Luettavissa JYX-arkistossa: http://urn.fi/URN:ISBN:978-951-39-7519-7