[論文レビュー] On Multi-Cause Causal Inference with Unobserved Confounding: Counterexamples, Impossibility, and Alternatives

Alexander D’Amour|arXiv (Cornell University)|Feb 27, 2019

Advanced Causal Inference Techniques参考文献 16被引用数 28

ひとこと要約

この論文は、未観測の交絡要因が存在する状況でも、パrametric仮定なしに多要因因果推論が因果効果を同定できるという最近の主張に反論している。非パラメトリック同定が不可能であることを示す解析的反例を提示し、代わりに代理変数と感度分析を、潜在的交絡要因を伴う高次元設定における頑健な因果推論の代替手段として提唱している。

ABSTRACT

Unobserved confounding is a central barrier to drawing causal inferences from observational data. Several authors have recently proposed that this barrier can be overcome in the case where one attempts to infer the effects of several variables simultaneously. In this paper, we present two simple, analytical counterexamples that challenge the general claims that are central to these approaches. In addition, we show that nonparametric identification is impossible in this setting. We discuss practical implications, and suggest alternatives to the methods that have been proposed so far in this line of work: using proxy variables and shifting focus to sensitivity analysis.

研究の動機と目的

• 未観測の交絡要因が存在する状況でも、パラメトリック仮定なしに多要因因果推論が因果効果を同定できるという主張に反論すること。
• 未観測の交絡要因が存在する設定において、非パラメトリック同定が根本的になされないことを、解析的反例によって示すこと。
• 検証不能なパラメトリック仮定に依存する既存の手法の代替手段を実用的かつ明確に提供すること。
• 潜在的交絡要因が存在する状況での因果推論において、代理変数と感度分析を、原理的かつ非パラメトリックな代替手段として提唱すること。

提案手法

• 同じ観測データ分布が、未観測の交絡要因下で複数の矛盾する因果モデルと両立可能であることを示す2つの解析的反例を構築すること。
• 潜在的交絡要因Uが存在する場合、複数の原因Aに関するいかなる観測データの量でも、do計算の分布P(Y|do(A))を非パラメトリックに同定することは不可能であることを証明すること。
• 交絡要因と相関するが、原因Aや結果Yと条件付き独立である変数を代理変数として使用することで、非パラメトリックな同定を可能にする手法を提唱すること。
• Miao et al. (2016) と Louizos et al. (2017) が提唱した代理変数フレームワークを、パラメトリック仮定なしに多要因設定に適応すること。
• P(A)の因数分解に関する弱い仮定のもとで、観測データと整合する因果的結論の集合を探索するために、感度分析を後処理的手法として推奨すること。
• 正則化を施した最尤推定を用いて合成データ上のモデル性能を評価し、パラメトリック仮定が検証不能で、かつ誤解を招く可能性のある結果をもたらすことを示すこと。

実験結果

リサーチクエスチョン

• RQ1 潜在的交絡要因Uが原因Aと結果Yの両方に影響を与える状況で、多要因因果推論が非パラメトリックにP(Y|do(A))を同定できるか。
• RQ2 最近の未観測交絡要因を伴う多要因因果推論手法に内在する仮定は、同定を保証するために十分か。
• RQ3 非パラメトリック同定が不可能な多要因設定において、パラメトリックモデリングの代替手段として実用的な選択肢は何か。
• RQ4 代理変数は、未観測交絡要因が存在する多要因モデルにおいて、因果効果の非パラメトリック同定を可能にするか。
• RQ5 感度分析は、未観測交絡要因が存在する多要因設定において、因果的結論の頑健性をどのように探索できるか。

主な発見

• 潜在的交絡要因Uが存在する多要因設定では、観測された原因の数に関わらず、P(Y|do(A))の非パラメトリック同定は不可能である。
• 2つの解析的反例により、同じ観測データ分布が複数の相互に矛盾する因果モデルと両立可能であることが示され、一意な同定は不可能である。
• この設定ではパラメトリック仮定が同定に必要であるが、それらの仮定はデータのみから検証できないため、検証不能で、誤解を招く可能性がある。
• 特に、Uの下でAと条件付き独立である1つの変数と、Uの下でYと条件付き独立であるもう1つの変数という、代理変数を用いることで、因果効果の非パラメトリック同定が可能になる。
• 感度分析は、点推定の代替手段として原理的であり、弱い仮定のもとで、可能な因果効果の無知領域をマップするのを可能にする。
• 実証的評価では、代理変数が使用されている場合、正則化の影響はほとんどないが、推定値のばらつきは依然として顕著であり、より強い同定戦略の必要性を強調している。