[논문 리뷰] Causal Relational Learning

Babak Salimi, Harsh Parikh외 4명|arXiv (Cornell University)|2020. 04. 07.

Bayesian Modeling and Causal Inference참고 문헌 52인용 수 6

한 줄 요약

이 논문은 Causal Relational Learning (C a RL)을 소개하며, Datalog 유사 규칙을 통해 인과 질의를 가능하게 함으로써 인과 추론을 관계형 데이터베이스로 확장하는 기제적 프레임워크이다. 기존 방법의 단위 동질성 가정을 초월하여, 의료 및 학술 출판과 같은 복잡한 다중 테이블 도메인에서 정확하게 치료 효과를 추정할 수 있으며, 실험 결과에서 관계적 복잡성에도 불구하고 참값에 가까운 인과 효과를 안정적으로 복원함을 보였다.

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.

연구 동기 및 목표

• 기존 인과 추론 방법이 동일한 평면 테이블 데이터를 가정하는 데서 비롯하는 한계를 해결하기 위해, 이질적이고 다중 테이블로 구성된 실제 관계 도메인에서 실패하는 문제를 다루기 위함.
• 다양한 실체 유형(혼동요인, 치료, 결과)이 존재하는 관계형 데이터에서 인과적 추론을 지원하는 공식적 프레임워크를 개발하기 위함.
• 사회과학, 의료, 정책 분야의 분석가들이 정규화된 관계형 데이터베이스에서 복잡한 인과 질의(예: 간섭 효과)를 제기할 수 있도록 하기 위함.
• 학술 및 의료 도메인에서의 실제 및 시뮬레이션 관계형 데이터를 대상으로 프레임워크를 평가하여 인과 추정의 정확성과 안정성을 입증하기 위함.
• 다양한 관계 임베딩 방식이 인과 추정 정확도와 분산에 미치는 영향을 탐색하기 위함.

제안 방법

• Datalog 유사 규칙에 기반한 기계적 언어인 C a RL을 제안하여, 관계 스키마 내에서 인과 배경 지식을 표현하고 인과 질의를 명시한다.
• 잠재적 결과와 구조적 인과 모델을 사용하여 인과 관계를 모델링하며, 다수의 상호 관련된 관계를 다룰 수 있도록 조정한다.
• 혼동요인 및 치료 단위 모델링을 위해 집합적 관련 튜플을 벡터 표현으로 요약하기 위해 관계 임베딩(예: 평균, 중앙값, 팞딩, 모멘트 요약)을 활용한다.
• 역확률가중치 및 성향스코어 매칭과 같은 인과 추정 기법을 임베딩된 관계 데이터에 적용하여 구조적 종속성을 유지한다.
• 이중 단계 추론 파이프라인을 사용한다: 첫 번째 단계에서 기본 관계로부터 관계 임베딩을 계산하고, 두 번째 단계에서 임베딩 표현에 인과 추정기를 적용한다.
• 지식이 있는 참값을 가진 시뮬레이션 데이터를 통해 정확성을 검증하고, 유니버설 테이블 조인을 사용하여 표준 접근 방식과 성능을 비교한다.

실험 결과

연구 질문

• RQ1 이질적이고 다중 테이블로 구성된 관계형 데이터베이스에서, 단위 동질성 가정 없이도 인과 추론을 효과적으로 수행할 수 있는가?
• RQ2 관계 임베딩 방법의 선택이 관계 도메인 내 인과 효과 추정의 정확도와 분산에 미치는 영향은 어떠한가?
• RQ3 C a RL은 복잡한 다중 조인 관계 쿼리에서 정확한 평균 치료 효과(Average Treatment Effect, ATE)와 조건부 평균 치료 효과(Conditional Average Treatment Effect, CATE)를 복원할 수 있는가?
• RQ4 관계 구조를 忽略하고 테이블을 유니버설 평면 테이블로 압축하는 것은 편향되거나 일관되지 않은 인과 추정을 초래하는가?
• RQ5 학술 출판 및 의료 분야의 실제 관계형 데이터에서, 혼동요인, 치료, 결과가 다수의 관계에 분산되어 있을 경우 C a RL은 어떻게 성능을 발휘하는가?

주요 결과

• C a RL은 시뮬레이션 데이터에서 참값에 가까운 진짜 평균 치료 효과(Average Treatment Effect, ATE)를 성공적으로 복원하였으며, 단일 블라인드 컨fer런스의 경우 모멘트 임베딩로 1.020±0.36, 팞딩 임베딩으로 1.011±0.29를 추정하여 참값 1.00과 매우 유사하게 나타났다.
• 이중 블라인드 컨퍼런스의 경우, C a RL은 모멘트 임베딩로 0.109±0.32, 팞딩 임베딩으로 0.013±0.30를 추정하였으며, 참값 0.00과 유사하여 높은 정확도를 입증하였다.
• 반면, 유니버설 평면 테이블에서의 인과 추론은 참값 1.00에서 크게 벗어난 편향된 ATE 추정치 0.54±0.73를 기록하여, 관계 구조를 압축하는 것이 잘못된 결론을 이끌 수 있음을 보여주었다.
• 모멘트 요약과 팞딩 임베딩이 가장 좁은 신뢰구간과 가장 정확한 추정치를 제공하여, 평균 및 중앙값 임베딩보다 편향과 분산 측면에서 뛰어난 성능을 보였다.
• C a RL은 인과 분해 성질 AOE = AIE + ARE를 정확히 유지하여, 여러 실험에서 인과 추정의 내부 일관성을 확인하였다.
• 다양한 생성 모델과 임베딩 유형에 걸쳐 정확성과 안정성을 유지함으로써, 관계형 데이터의 구조적 및 표현적 변형에 대해 강건함을 입증하였다.