[論文レビュー] Decision-theoretic foundations for statistical causality

A. P. Dawid|arXiv (Cornell University)|Apr 26, 2020

Bayesian Modeling and Causal Inference参考文献 50被引用数 10

ひとこと要約

この論文は、交換可能性と無視可能性の仮定の下で、観察データを用いた支援的意思決定として因果推論を定式化することにより、統計的因果推論の意思決定理論的基盤を確立する。拡張された条件付き独立性とレジームインジケーターを用いて因果的推論を形式化し、潜在的アウトカム、DAG、およびワンワールド干渉グラフ（SWIG）を一貫性があり解釈可能な枠組みで統合する。無視可能性や一貫性といった重要な仮定を明確にし、明示的な関数的一致条件を必要としない。

ABSTRACT

We develop a mathematical and interpretative foundation for the enterprise of decision-theoretic statistical causality (DT), which is a straightforward way of representing and addressing causal questions. DT reframes causal inference as "assisted decision-making", and aims to understand when, and how, I can make use of external data, typically observational, to help me solve a decision problem by taking advantage of assumed relationships between the data and my problem. The relationships embodied in any representation of a causal problem require deeper justification, which is necessarily context-dependent. Here we clarify the considerations needed to support applications of the DT methodology. Exchangeability considerations are used to structure the required relationships, and a distinction drawn between intention to treat and intervention to treat forms the basis for the enabling condition of "ignorability". We also show how the DT perspective unifies and sheds light on other popular formalisations of statistical causality, including potential responses and directed acyclic graphs.

研究の動機と目的

• 意思決定理論（DT）的アプローチによる統計的因果推論の厳密で基礎的な正当化を提供すること。これは因果推論を支援的意思決定として再定式化する。
• 観察データを干渉的意思決定に移行させるために必要な仮定（特に交換可能性と無視可能性）を明確にすること。
• DTと他の因果フレームワーク（潜在的アウトカム、ペアリアンDAG、ワンワールド干渉グラフ（SWIG））の間の関係を統一的かつ明確にすること。
• 「治療への意図」と「干渉への実行」の違いを形式化し、それが無視可能性条件を支える根拠となることを示すこと。
• DTモデルが、代替フレームワークよりも直接的かつ透明性の高い方法で、g-計算などの標準的結果を導出できることを示すこと。

提案手法

• 観察的レジームと干渉的レジームの関係を拡張された条件付き独立性でモデル化し、データから意思決定への確率的移行を可能にする。
• 非確率的レジームインジケーターを導入して、観察的レジームと干渉的レジームを区別し、反事後的推論の「もしも」性質を形式化する。
• 交換可能性（事前および事後）を基礎的仮定として用い、データの使用を正当化する。事後の交換可能性により直接的推論が可能になる。
• 「治療への意図」と「干渉への実行」の変数を区別することで、無視可能性条件を形式化し、関数的一致に依存しない。
• 干渉インジケーターと治療への意図変数を含む拡張DAGを用いてモデルを図示し、条件付き独立性の視覚的および代数的分析を可能にする。
• 一貫性、無視可能性、安定単位処置値仮定といったコアな概念のDT版を導出し、潜在的アウトカムおよびSWIGフレームワークにおけるそれらと同等であることを示す。

実験結果

リサーチクエスチョン

• RQ1 因果推論をどのように意思決定理論として形式的に基盤づけることができ、観察データを用いた支援的意思決定として定式化できるか？
• RQ2 観察的状況から干渉的状況への確率的情報の移行を正当化するために、どのような仮定が必要か？
• RQ3 因果モデリングにおける「治療への意図」と「干渉への実行」の違いが、無視可能性と交換可能性の概念とどのように関係するか？
• RQ4 意思決定理論フレームワークは、潜在的アウトカム、DAG、SWIGといった既存の因果形式的記述をどのように統一的または明確化するか？
• RQ5 DTアプローチは、明示的な関数的一致条件を必要とせず、g-計算などの標準的結果を導出できるか？

主な発見

• DTアプローチは、不確実性下での意思決定問題として因果的問題をモデル化することにより、統計的因果推論の統一的かつ解釈可能な基盤を提供する。
• 事後の交換可能性により、観察データを直接的意思決定に使用できる。一方、事前の交換可能性では、無視可能性などの追加仮定が必要となる。
• 「治療への意図」と「干渉への実行」の変数の違いは、無視可能性条件を正当化するために不可欠であり、DTフレームワークでは条件付き独立性によって形式化される。
• DTモデルはペアリアンDAGおよびSWIGと同一の条件付き独立性をエンコードするが、仮定がより透明で、より直接的に正当化可能である。
• 関数的一致条件は、DTの図的モデルに暗黙的に組み込まれているため、明示的に述べる必要がなく、潜在的アウトカムフレームワークに比べて分析が簡素化される。
• DTアプローチは、潜在的アウトカムフレームワークよりも、動的レジームや逐次的依存する干渉に対して、より自然に拡張可能であり、複雑な因果的問題においてより高い柔軟性を提供する。