본 연구에서는 각 변수가 부모의 선형 함수와 정규 분포 오차로 결정되는 가우시안 선형 구조방정식 모형(SEM)의 식별가능성 가정을 고려한다. 선형 가우시안 구조방정식 모형은 모든 오차 분산이 동일하거나 알려져 있는 경우 완전 식별가능함이 이미 밝혀져 있다. 따라서 본 연구는 동질적 및 이질적 미지 오차 분산을 모두 포함하는 가우시안 SEM의 식별가능성을 증명한다. 우리의 새로운 식별가능성 가정은 오차 분산뿐만 아니라 간선(edge) 가중치도 활용하며, 따라서 선행 연구에서의 식별가능성 결과에 비해 엄밀히 더 약한(덜 제약적인) 가정이다. 또한 본 연구는 새로운 가정에 기반하여 통계적으로 일관적이면서 계산적으로 실행 가능한 구조 학습 알고리즘을 제시한다. 제안하는 알고리즘은 모든 관련 변수가 관측된다고 가정하지만, 인과적 최소성 및 충실성( faithfulness )은 가정하지 않는다. 이론적 결과를 시뮬레이션과 실제 다변량 데이터로 검증하고, 제안 알고리즘을 최신의 PC, GES 및 GDS 알고리즘과 비교한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.