[論文レビュー] Causal Relational Learning

Babak Salimi, Harsh Parikh+4 more|arXiv (Cornell University)|Apr 7, 2020

Bayesian Modeling and Causal Inference参考文献 52被引用数 6

ひとこと要約

この論文は、Datalogに類似したルールを通じて因果クエリを可能にする記述的フレームワーク、因果的関係学習（C a RL）を導入する。従来の方法が単位の均一性を仮定するのを克服し、医療や学術出版のような複雑な多テーブルドメインにおいても、正確に処置効果を推定する。実験では、関係的複雑性にもかかわらず、真の因果効果を安定して回復している。

ABSTRACT

Causal inference is at the heart of empirical research in natural and social sciences and is critical for scientific discovery and informed decision making. The gold standard in causal inference is performing randomized controlled trials; unfortunately these are not always feasible due to ethical, legal, or cost constraints. As an alternative, methodologies for causal inference from observational data have been developed in statistical studies and social sciences. However, existing methods critically rely on restrictive assumptions such as the study population consisting of homogeneous elements that can be represented in a single flat table, where each row is referred to as a unit. In contrast, in many real-world settings, the study domain naturally consists of heterogeneous elements with complex relational structure, where the data is naturally represented in multiple related tables. In this paper, we present a formal framework for causal inference from such relational data. We propose a declarative language called CaRL for capturing causal background knowledge and assumptions and specifying causal queries using simple Datalog-like rules.CaRL provides a foundation for inferring causality and reasoning about the effect of complex interventions in relational domains. We present an extensive experimental evaluation on real relational data to illustrate the applicability of CaRL in social sciences and healthcare.

研究の動機と目的

• 既存の因果推論手法が均一で平坦なテーブルデータを仮定するという制限に対処すること。これは、異種で多テーブル構造を持つ現実世界の関係的ドメインでは失敗する。
• 異なるエンティティ型の共変量、処置、結果を含む関係データにおける因果的推論を可能にする形式的フレームワークの開発。
• 社会科学、医療、政策分野のアナリストが、正規化された関係的データベースに対して、介入効果などの複雑な因果クエリを提示できるようにすること。
• 学術および医療分野の実データと合成データを用いてフレームワークを評価し、因果推定の正しさと頑健性を示すこと。
• 異なる関係的埋め込みの因果推定の精度と分散に与える影響を調査すること。

提案手法

• Datalogに類似したルールに基づく記述的言語、C a RLを提案。これは、関係スキーマにおける因果的背景知識の表現と因果クエリの指定を可能にする。
• 潜在的アウトカムと構造的因果モデルを用いて因果関係をモデル化。複数の関連する関係を扱えるように適応。
• 共変量および処置単位のモデリングに、関係するタプルの集合をベクトル表現に集約するための関係的埋め込み（例：平均、中央値、パディング、モーメント要約）を採用。
• 逆確率重み付けや傾向スコアマッチングなどの因果推定技術を、関係的データの埋め込み表現に適用。構造的依存関係を保持する。
• 2段階の推論パイプラインを採用：まず、基本関係から関係的埋め込みを計算。次に、埋め込み表現に因果推定器を適用。
• 合成データを用いて真の処置効果が既知の環境で正しさを検証。ユニバーサルテーブル結合を用いて標準的手法と性能を比較。

実験結果

リサーチクエスチョン

• RQ1 異種で多テーブル構造を持つ関係データベースにおいて、単位の均一性を仮定せずに、因果推論を効果的に行うことができるか？
• RQ2 関係的埋め込み手法の選択が、関係的ドメインにおける因果効果推定の精度と分散に与える影響は何か？
• RQ3 C a RLは、複雑な複数結合関係クエリにおいて、正しい平均処置効果（ATE）と条件付き平均処置効果（CATE）を回復できるか？
• RQ4 関係構造を無視してテーブルをユニバーサルな平坦テーブルに統合すると、バイアスや一貫性のない因果推定が生じるか？
• RQ5 共変量、処置、アウトカムが複数の関係に分散している学術出版および医療分野の実世界関係データにおいて、C a RLはどのように性能を発揮するか？

主な発見

• 合成データにおいてC a RLは真の平均処置効果（ATE）を正確に回復した。単一盲検会議では、モーメント埋め込みで1.020±0.36、パディングで1.011±0.29の推定値を示し、真値1.00に近く一致した。
• 二重盲検会議では、C a RLはATEをモーメントで0.109±0.32、パディングで0.013±0.30と推定し、真値0.00に近く、高い正確性を示した。
• これに対して、ユニバーサル平坦テーブル上で因果推論を実行した場合、ATE推定値は0.54±0.73にとどまり、真値1.00から著しく逸脱しており、関係構造を統合すると誤った結論が導かれることが示された。
• モーメント要約とパディング埋め込みが、バイアスと分散の両面で平均および中央値埋め込みを上回り、最も狭い信頼区間と最も正確な推定を達成した。
• C a RLは因果分解性質AOE = AIE + AREを正しく尊重しており、複数の実験にわたる因果推定の内部整合性を確認した。
• 異なる生成モデルや埋め込みタイプに対しても、C a RLは正しさと安定性を維持しており、関係データの構造的および表現的変動に対して頑健であることが示された。