本研究分析了在存在潜在混杂的线性高斯模型中，贝叶斯因果发现的似然后验推断行为，特别关注两个观测变量之间的加性混杂。

  • 作者推导出了一个关键的阈值相关性，高于该阈值时，评分函数会倾向于包含混淆变量之间虚假边的图结构。
  • 随着样本量的增加，该阈值降低，这意味着更多的数据会降低对产生虚假边所需的关联强度的要求。
  • 超过此阈值后，后验分布表现出两种不同的失败模式，由混淆变量周围的局部结构决定。
  • 这些发现得到了在多种图结构上进行精确后验计算的证实，确认了预测的失败模式。