본 논문은 제어된 직접 효과(CDE)를 식별하는 데 초점을 맞추고 있으며, 특히 실제 환경에서 인과 관계 그래프 구조를 알기 어려운 상황을 다룹니다. 논문은 Markov 등가 클래스를 나타내는 Essential 그래프를 기반으로 하지만, 전체 Essential 그래프 학습의 계산적 부담을 완화하기 위해 목표 변수에 상대적인 Local Essential Graph (LEG)라는 새로운 개념을 제시합니다. LocPC라는 알고리즘을 통해 LEG을 복구하고, CDE 식별에 필요한 LEG의 부분 집합을 찾는 LocPC-CDE 알고리즘을 개발했습니다. 이 알고리즘들은 기존 방법보다 더 적은 조건부 독립성 검사를 필요로 하며 약한 가정을 사용하면서도 이론적 보장을 유지합니다. 시뮬레이션 연구를 통해 접근 방식의 효과를 입증했습니다.
