[논문 리뷰] Causal inference with misspecified exposure mappings: separating definitions and assumptions

Fredrik Sävje|arXiv (Cornell University)|2021. 03. 11.

Bayesian Modeling and Causal Inference인용 수 4

한 줄 요약

이 논문은 원인인과 추론에서 노출 맵핑의 정의 기능과 간섭 구조를 가정하는 역할을 분리함으로써, 노출이 잘못 지정되어도 일반적인 추정기들이 여전히 일致성 임을 보여주며, 지정 오류가 단위 간에 약하게 종속되어 있을 경우에 한하여 성립함을 밝힌다. 핵심 기여는 현실적이며 비완벽한 노출 지정 조건 하에서도 유효한 인과 추론을 위한 실용적 프레임워크를 제공하는 것이다.

ABSTRACT

Exposure mappings facilitate investigations of complex causal effects when units interact in experiments. Current methods require experimenters to use the same exposure mappings both to define the effect of interest and to impose assumptions on the interference structure. However, the two roles rarely coincide in practice, and experimenters are forced to make the often questionable assumption that their exposures are correctly specified. This paper argues that the two roles exposure mappings currently serve can, and typically should, be separated, so that exposures are used to define effects without necessarily assuming that they are capturing the complete causal structure in the experiment. The paper shows that this approach is practically viable by providing conditions under which exposure effects can be precisely estimated when the exposures are misspecified. Some important questions remain open.

연구 동기 및 목표

• 현재의 인과 추론 방법론이 노출 맵핑을 효과 정의와 간섭 구조의 올바른 가정을 동시에 요구하는 문제를 다루기 위해.
• 노출 맵핑이 간섭에 대한 가정을 담는 데서 주로 효과 정의를 위한 기능을 수행해야 한다고 주장하기 위해.
• 지정 오류가 약하게 종속되어 있을 경우에 한하여 잘못 지정된 상황에서도 표준 추정기들이 여전히 일관성을 유지함을 보여주기 위해.
• 노출 맵핑이 잘못 지정되어도 노출 효과를 정확히 추정할 수 있는 조건을 제시하기 위해.
• 정확히 지정된 노출이라는 표준 가정에 대한 더 현실적인 대안을 제공하기 위해.

제안 방법

• 노출 맵핑이 전체 인과 구조를 포괄할 필요 없이 효과를 정의하는 데만 사용되도록 이중 역할 분리를 제안한다.
• 잘못 지정된 상황에서도 추정 가능한 일반화된 노출 효과 개념을 도입한다.
• 지정 오류가 약하게 종속되어 있을 경우에 일반 추정기의 일관성을 확립한다.
• 잠재 결과와 노출 맵핑 함수를 사용하여 간섭 효과를 모델링한다.
• 지정 오류에서 기인하는 편향이 渐진적으로 사라지는 조건을 유도한다.
• 실제 사례에 적용하여, 예를 들어 경찰 실험에서의 범죄 이행 현상 등을 다룬다.

실험 결과

연구 질문

• RQ1 노출 맵핑이 잘못 지정되었더라도 해석 가능할 경우 인과 추론이 여전히 유효한가?
• RQ2 일반 추정기의 일관성이 유지되기 위한 지정 오류의 조건은 무엇인가?
• RQ3 노출 맵핑을 간섭 구조를 완전히 반영한다고 가정하지 않고도 효과 정의에 어떻게 사용할 수 있는가?
• RQ4 지정 오류의 강한 종속성 대 비해 약한 종속성이 추정 편향에 어떤 영향을 미치는가?
• RQ5 정의 기능과 가정 기능을 분리함으로써 간섭 설정에서의 인과 추론의 실용적 적용성이 향상될 수 있는가?

주요 결과

• 노출 맵핑이 잘못 지정되어도 일반 추정기의 노출 효과 추정이 일관성을 유지하며, 지정 오류가 단위 간에 강하게 종속되어 있지 않은 한 성립한다.
• 정확히 지정된 노출이라는 가정은 약한 오류 종속성 조건으로 대체되며, 이는 실생활에서 더 현실적이고 검증 가능하다.
• 논문은 노출 맵핑이 전체 인과 메커니즘을 완전히 반영할 필요 없이도 효과 정의에 대해 해석 가능하고 관련성이 있음을 보여준다.
• 오류 구조가 단위 간 시스템적 편향을 유도하지 않는 한, 잘못 지정된 상황에서도 노출 효과를 정밀하게 추정할 수 있다.
• 결과는 특정 간섭 구조를 요구하지 않으며 오직 오류의 약한 종속성만 요구하므로 광범위하게 적용 가능하다.
• 실제 사례로 보고된 보고타에서의 경찰 활동 사례에서, 250m 반경 기반의 이진 노출은 현실적으로 비현실적이지만, 제안된 조건 하에서는 추정기가 여전히 유효함을 보였다.