[論文レビュー] Causal Inference by Surrogate Experiments: z-Identifiability

Elias Bareinboim, Judea Pearl|arXiv (Cornell University)|Oct 16, 2012

Advanced Causal Inference Techniques参考文献 9被引用数 44

ひとこと要約

この論文は、処理変数 X の直接操作が非現実的である場合に、よりアクセスしやすい変数 Z における実験を活用して因果効果を推定するためのフレームワーク、z-識別可能性を導入する。do計算と図的基準を用いて、X から Y への因果効果が Z 実験から識別可能かどうかを決定する完全なアルゴリズムを提供し、z-識別可能性に関して do計算の完全性を証明する。

ABSTRACT

We address the problem of estimating the effect of intervening on a set of variables X from experiments on a different set, Z, that is more accessible to manipulation. This problem, which we call z-identifiability, reduces to ordinary identifiability when Z = empty and, like the latter, can be given syntactic characterization using the do-calculus [Pearl, 1995; 2000]. We provide a graphical necessary and sufficient condition for z-identifiability for arbitrary sets X,Z, and Y (the outcomes). We further develop a complete algorithm for computing the causal effect of X on Y using information provided by experiments on Z. Finally, we use our results to prove completeness of do-calculus relative to z-identifiability, a result that does not follow from completeness relative to ordinary identifiability.

研究の動機と目的

• X の直接操作が非現実的である場合に、よりアクセスしやすい変数 Z における実験を用いて因果推論を扱うため。
• Z が X と異なる場合にも一般化可能な標準的識別可能性の一般化として z-識別可能性を形式化するため。
• 任意の集合 X、Z、Y に対して z-識別可能性の図的必要十分条件を確立するため。
• Z 実験データを用いて X から Y への因果効果を計算する完全なアルゴリズムを提供するため。
• z-識別可能性に関して do計算の完全性を確立するため。これは、従来の完全性結果からは導かれない結果である。

提案手法

• 論文は、半マルコフ因果モデルにおける z-識別可能性を決定するための、d-分離と干渉ルールに基づく図的基準を導入する。
• X が直接操作不能である場合に Z に対する干渉を扱えるように do計算を拡張し、Z 実験からの推定式を導出可能にする。
• Z 実験を X と Y を含む do期待値表現に変換するための標準的変換が用いられる。
• アルゴリズムは、条件付き独立性および d-分離のチェックを用いて、do計算規則を体系的に適用し、可能であれば推定式を導出する。
• 仮定の記述に図的構造（DAG）を用い、交絡および条件付き独立性に関する仮定を符号化する。
• 完全性の証明では、因果効果が z-識別可能であれば、do計算の規則のみを用いてその効果を導出可能であることが示される。

実験結果

リサーチクエスチョン

• RQ1 X に対する直接実験が不可能な場合でも、補助変数 Z における実験が利用可能な場合に、X から Y への因果効果を推定できるか？
• RQ2 X から Y への因果効果が Z 実験から識別可能であるための図的条件は何か？
• RQ3 do計算は、z-識別可能なすべての推定式を導出可能であり、形式的に証明可能か？
• RQ4 X を直接操作できない場合に、Z 実験データから因果効果を体系的に計算する方法は何か？
• RQ5 z-識別可能性は、標準的識別可能性を超えて do計算の完全性の範囲を拡張するか？

主な発見

• d-分離と干渉ルールを用いた、z-識別可能性の必要十分な図的条件が確立された。
• z-識別可能な場合に、Z 実験データから X から Y への因果効果を計算する完全なアルゴリズムが提供された。
• z-識別可能性に関して、do計算が完全であることが証明された。これは、標準的識別可能性に関する完全性結果からは導かれない結果である。
• このフレームワークは、Z が空集合である特別な場合に標準的識別可能性が成立する一般化である。
• 直接実験が非現実的である状況（例：観察的研究や倫理的制約）においても因果推論を可能にする。
• 形式的証明と、補助変数を含む実世界の因果推論問題への応用を通じて、結果の妥当性が検証された。