[論文レビュー] Comparing Causal Frameworks: Potential Outcomes, Structural Models, Graphs, and Abstractions

Duligur Ibeling, Thomas Icard|arXiv (Cornell University)|Jun 25, 2023

Bayesian Modeling and Causal Inference被引用数 4

ひとこと要約

本稿は、ルービン因果モデル（RCM）と構造的因果モデル（SCM）の間の形式的理論的関係を確立し、すべてのRCMが合成および可逆性の原則を満たす表現可能RCMの抽象化として見なせることが示されている。主な結果として、SCMの代数的制約に反するRCMですら、表現可能なRCMの抽象化として現れることを証明しており、反事後的推論の完全性結果とともに、中立的な論理言語を通じて2つのフレームワークを統合している。

ABSTRACT

The aim of this paper is to make clear and precise the relationship between the Rubin causal model (RCM) and structural causal model (SCM) frameworks for causal inference. Adopting a neutral logical perspective, and drawing on previous work, we show what is required for an RCM to be representable by an SCM. A key result then shows that every RCM -- including those that violate algebraic principles implied by the SCM framework -- emerges as an abstraction of some representable RCM. Finally, we illustrate the power of this conciliatory perspective by pinpointing an important role for SCM principles in classic applications of RCMs; conversely, we offer a characterization of the algebraic constraints implied by a graph, helping to substantiate further comparisons between the two frameworks.

研究の動機と目的

• ルービン因果モデル（RCM）と構造的因果モデル（SCM）の間の理論的関係を明確にし、長年の両者の同等性に関する議論を解決すること。
• RCMがSCMによって表現可能であるための明確な条件を特定すること。特に、合成および可逆性の原則に焦点を当てる。
• SCMの代数的制約に反するRCMが、表現可能なRCMの抽象化として生じることを示し、概念的および形式的差異を解消すること。
• 反事後的確率に関する枠組みに依存しない論理言語を構築し、RCMとSCMの仮定を直接比較可能にする。
• RCMおよび表現可能なRCMの完全性結果を提供し、グラフによって暗示される代数的制約を同定することで、2つのフレームワークの理論的統合を進める。

提案手法

• 中立的な論理的視点を採用し、反事後的確率のための形式的言語を用いて、RCMとSCMのフレームワークを事前のバイアスなしに比較する。
• 合成および可逆性の原則を満たすRCMを表現可能なRCMとして定義し、これらはSCMへの埋め込みに必要なかつ十分な条件である。
• 因果的抽象化の概念を導入し、低レベルの因果的詳細が省略されている場合に、RCMがSCMの代数的制約を満たさない理由を説明する。
• 定理1の証明：すべてのRCMは、合成および可逆性を満たす表現可能なRCMの構成的抽象化である。非表現可能なRCMは、有効なSCM埋め込み可能なモデルの抽象化から生じる。
• 完全性結果の確立：定理2は、言語がすべてのRCMに対して完全であることを示す。補題2は、表現可能なRCMに対して完全性が成立することを示す。
• 定理3により、グラフに由来する代数的制約を特徴づける。SWIGにおけるグラフィカルな分離（d-分離）と反事後的分布における条件付き独立性を結びつける。

実験結果

リサーチクエスチョン

• RQ1 どのような条件下でRCMをSCMとして表現可能であり、合成や可逆性などの原則が必要となるか？
• RQ2 SCMの代数的制約に反するRCMが、なぜ意味的にSCMと関連づけることができるのか。抽象化はその役割を果たすか？
• RQ3 グラフィカルな仮定（例：SWIGにおけるd-分離）と反事後的分布における代数的制約との正確な関係は何か？
• RQ4 共通の形式的言語がRCMとSCMの両フレームワークにおける推論を統一可能か。この言語で完全性を達成できるか？
• RQ5 因果グラフによって暗示される代数的制約を完全に特徴づけるために必要な最小限の原則は何か？

主な発見

• 定理1は、すべてのRCMが合成および可逆性を満たす表現可能なRCMの構成的抽象化であることを確立しており、不適合に関する懸念を解消している。
• 本稿は、SUTVA仮定が良い変数抽象化に関する条件として解釈可能であることを示しており、古典的RCM仮定と現代の抽象化理論を結びつけている。
• 定理2は、枠組みに依存しない言語がすべてのRCMに対して健全かつ完全であることを証明しており、反事後的推論に関する完全な論理的推論を可能にしている。
• 補題2は、表現可能なRCMのクラスについて完全性を確立しており、SCMの原則がその論理的構造を完全に捉えていることを示している。
• 定理3は、グラフによって暗示される代数的制約の部分的特徴づけを提供し、SWIGにおけるd-分離と反事後的分布における条件付き独立性を結びつけている。
• 定理4は、単一世界干渉グラフ（SWIGs）が、同一の論理言語に対して完全性結果をもたらすことを示しており、RCMとSCMの視点の相性を強化している。