[논문 리뷰] Conducting Simulations in Causal Inference with Networks-Based Structural Equation Models

Oleg Sofrygin, Romain Neugebauer외 1명|arXiv (Cornell University)|2017. 05. 29.

Advanced Causal Inference Techniques참고 문헌 2인용 수 3

한 줄 요약

이 논문은 연구자가 사용자 정의한 네트워크 구조와 단위 간 기능적 의존성으로 구조적 방정식 모델(SEM)을 사용하여 상호의존성 있는 네트워크 데이터를 시뮬레이션할 수 있는 새로운 R 패키지 simcausal을 소개한다. 이 패키지는 정적, 동적, 확률적 간섭 상황에서도 반사적 시뮬레이션을 지원하여 간섭과 확산 효과가 있는 설정에서 인과적 추론 방법을 평가하기 위한 황금 표준 기준을 제공한다.

ABSTRACT

The past decade has seen an increasing body of literature devoted to the estimation of causal effects in network-dependent data. However, the validity of many classical statistical methods in such data is often questioned. There is an emerging need for objective and practical ways to assess which causal methodologies might be applicable and valid in network-dependent data. This paper describes a set of tools implemented in the simcausal R package that allow simulating data based on user-specified structural equation model for connected units. Specification and simulation of counterfactual data is implemented for static, dynamic and stochastic interventions. A new interface aims to simplify the specification of network-based functional relationships between connected units. A set of examples illustrates how these simulations may be applied to evaluation of different statistical methods for estimation of causal effects in network-dependent data.

연구 동기 및 목표

• 알려진 원인 기전과 의존성 구조를 갖춘 네트워크 기반 데이터를 시뮬레이션할 수 있는 실용적 도구의 부족을 해결하기 위해.
• 표준 i.i.d. 가정이 실패하는 네트워크 데이터에서 인과적 추론을 위한 통계적 방법의 엄밀한 평가를 가능하게 하기 위해.
• 단위 간 복잡한 네트워크 기반 기능적 관계를 명시하기 위한 투명하고 유연한 프레임워크를 제공하기 위해.
• 다양한 간섭 유형(정적, 동적, 확률적)에 대한 반사적 시뮬레이션을 지원하여 방법 평가를 위한 기반을 마련하기 위해.
• 네트워크 설정에서 인과적 추정기의 편향, 효율성, 신뢰구간 커버리지 평가를 위한 황금 표준 기준을 제공하기 위해.

제안 방법

• 두 단계 과정을 사용한다: 첫째, igraph와 같은 도구를 활용해 네트워크 구조(알려진 또는 확률적)를 정의하고, 둘째, 네트워크 기반 의존성과 함께 사용자 정의 SEM을 통해 단위 수준의 공변량을 기술한다.
• 네트워크 내 연결된 단위 간 복잡한 기능적 관계를 간단히 표현할 수 있도록 새로운 R 구문을 구현한다.
• 시간에 따라 변화하는 과정과 네트워크 기반 SEM을 통합하여 종단적 데이터 시뮬레이션을 지원한다.
• 정적, 동적, 결정론적, 확률적 간섭을 포함한 다양한 간섭 유형에 대한 반사적 데이터 시뮬레이션을 가능하게 한다.
• 사용자가 인과적 목표 파rameter(예: 치료별 반사적 평균 등)를 정의하고 계산할 수 있도록 모델에 의존하지 않는 황금 표준을 제공한다.
• 진실된 값이 알려진 데이터셋을 생성함으로써 방법 비교를 촉진하고, 편향, MSE, 신뢰구간 커버리지 평가가 가능하게 한다.

실험 결과

연구 질문

• RQ1 인과적 추론의 방법 평가를 위해 알려진 원인 기전을 갖춘 네트워크 기반 의존성 데이터는 어떻게 시뮬레이션할 수 있는가?
• RQ2 네트워크 데이터에서 간섭과 확산 효과가 존재할 경우, 다양한 인과적 추정기의 성능 특성은 어떠한가?
• RQ3 모델링 가정 위반은 네트워크 설정에서 인과적 추정기의 편향과 효율성에 어떤 영향을 미치는가?
• RQ4 통합된 시뮬레이션 프레임워크는 네트워크 기반 데이터에서 인과적 추론 연구의 투명성과 재현 가능성을 어떻게 향상시킬 수 있는가?
• RQ5 다양한 간섭 유형에 대해 반사적 데이터를 어떻게 생성하여 통계적 방법 평가의 기준으로 활용할 수 있는가?

주요 결과

• simcausal R 패키지는 사용자 정의 네트워크 구조와 단위 간 기능적 의존성을 갖춘 네트워크 기반 의존성 데이터의 시뮬레이션을 가능하게 한다.
• 패키지는 정적, 동적, 확률적 간섭을 포함한 다양한 간섭 상황에서의 반사적 시뮬레이션을 지원한다.
• 새로운 R 구문은 네트워크 기반 기능적 관계의 명시를 단순화하여 사용성과 투명성을 향상시킨다.
• 패키지는 모델에 의존하지 않는 인과적 파rameter의 황금 표준을 제공하여 통계적 방법의 편향과 효율성에 대한 객관적 평가를 가능하게 한다.
• simcausal를 사용한 시뮬레이션 연구를 통해 실제 적용 이전에 통계 알고리즘을 검증함으로써 구현 오류를 줄일 수 있다.
• 진실된 값이 알려진 데이터셋을 생성함으로써 방법 비교를 지원하며, 편향, 평균제곱오차, 신뢰구간 커버리지 평가가 가능하다.