[논문 리뷰] Discussion of "The Blessings of Multiple Causes" by Wang and Blei

Kosuke Imai, Zhichao Jiang|arXiv (Cornell University)|2019. 10. 15.

Advanced Causal Inference Techniques참고 문헌 12인용 수 5

한 줄 요약

이 논평은 Wang과 Blei가 제안한 다중 치료 상황에서의 원인 인과 추론을 위한 탈혼란 요법(deconfounder method)을 비판적으로 평가한다. 이 방법은 강력한 가정에 의존하고 모형 오Specification에 민감한 점을 고려해, 비모수적 확장, 도구 변수, 확률적 간섭의 세 가지 대안적 접근법을 제안한다.

ABSTRACT

This commentary has two goals. We first critically review the deconfounder method and point out its advantages and limitations. We then briefly consider three possible ways to address some of the limitations of the deconfounder method.

연구 동기 및 목표

• 비측정된 혼란 요인 존재 하에서 다중 치료 상황에서 탈혼란 요법의 장점과 한계를 평가하는 것.
• 탈혼란 요법의 핵심 가정, 특히 조건부 독립성과 오버랩 조건을 특정하고 실무에서의 타당성을 평가하는 것.
• 탈혼란 요법의 한계를 해결하기 위해 비모수적 모델링, 도구 변수, 확률적 간섭의 세 가지 새로운 방법론적 접근법을 제안하는 것.
• 치료 간 원인 관계가 탈혼란 요법의 타당성에 미치는 영향을 검토하는 것.
• 고정 치료 가정이 문제인 경우, 확률적 간섭을 고정 치료 효과 추정의 강건한 대안으로 사용하는 것의 타당성을 탐색하는 것.

제안 방법

• 탈혼란 요법은 관측된 치료로부터 잠재된 혼란 요인(대체 혼란 요인)을 요인 모형을 통해 추정하며, 잠재 요인을 조건으로 삼을 때 치료 간 조건부 독립성을 가정한다.
• 이 방법은 다음 공식을 사용해 평균 원인 효과를 조정된 회귀 모형에서 추정한다: $\tau(\bm{a},\bm{a}^\prime) = \mathbb{E}[\mathbb{E}(Y_i|\bm{A}_i=\bm{a},\widehat{\bm{Z}}_i) - \mathbb{E}(Y_i|\bm{A}_i=\bm{a}^\prime,\widehat{\bm{Z}}_i)]$.
• 이 방법은 진단 검사를 포함한다: 다른 치료와 추정된 요인을 조건으로 삼을 때 각 치료의 조건부 독립성, $A_{ij} \perp\!\!\!\perp \bm{A}_{i,-j} \mid \widehat{\bm{Z}}_i$.
• 이 접근법은 다음과 같은 핵심 가정에 의존한다: 무시 가능성($Y_i(\bm{a}) \perp\!\!\!\perp \bm{A}_i \mid \bm{Z}_i$), 잠재 요인을 조건으로 삼을 때 치료 간 조건부 독립성, 그리고 오버랩($p(\bm{A}_i \in \mathcal{A}^* \mid \bm{Z}_i) > 0$).
• 논평은 확률적 간섭을 대안으로 제안하며, 효과는 $\delta(p_1,p_0) = \mathbb{E}\left[\int Y_i(\bm{a})p_1(\bm{a})d\bm{a} - \int Y_i(\bm{a})p_0(\bm{a})d\bm{a}\right]$로 추정하며, 추정량은 $\hat{\delta}(p_1,p_0) = \sum_{i=1}^n Y_i \frac{p_1(\bm{A}_i) - p_0(\bm{A}_i)}{\hat{p}(\bm{A}_i|\bm{Z}_i)}$이다.
• 치료가 상호 영향을 주는 경우, 경제학에서의 제어 함수 방법을 활용해 도구 변수 기반 접근법을 제안한다.

실험 결과

연구 질문

• RQ1 비측정된 혼란 요인 존재 하에서 다중 치료 상황에서 탈혼란 요법이 유효한 원인 인과 추론을 제공하는 조건은 무엇인가?
• RQ2 치료 간 원인 관계로 인해 발생하는 조건부 독립성 가정 위반은 탈혼란 요법의 타당성에 어떤 영향을 미치는가?
• RQ3 추정된 대체 혼란 요인에 의존하는 오버랩 가정은 탈혼란 요법의 일반화 가능성에 얼마나 제한을 가하는가?
• RQ4 탈혼란 요법이 모형 오Specification으로 실패할 경우, 확률적 간섭이 고정 치료 효과 추정에 더 강건한 대안이 될 수 있는가?
• RQ5 의미 있는 치료 분포 정의를 위해 해석 가능한 요인 모형(예: 토픽 모델)을 사용할 경우 원인 인과 추정에 어떤 영향을 미치는가?

주요 결과

• 탈혼란 요법은 추정된 요인을 조건으로 삼을 때 치료 간 조건부 독립성 검사를 통해 비측정된 혼란 요인 또는 모형 오Specification을 경고하는 진단 도구를 제공한다.
• 이 방법의 타당성은 잠재 요인을 조건으로 삼을 때 치료 간 조건부 독립성이 성립한다는 가정에 크게 의존하며, 치료가 상호 원인 관계를 가질 경우 이 가정이 위반된다.
• 오버랩 가정은 문제가 되는데, 추정된 대체 혼란 요인 $\widehat{\bm{Z}}_i$ 가 관측된 치료의 함수이기 때문에 치료 값의 지지역이 제한되어 외삽에 의존하게 되기 때문이다.
• 탈혼란 요법은 추가적인 비모수적 제약 조건 없이 비모수적 식별을 달성할 수 없으며, 이는 실용적 적용 가능성을 제한할 수 있다.
• 확률적 간섭은 고정된 값이 아닌 치료 분포의 효과를 추정함으로써 오버랩 문제를 피하고 치료 간 원인 관계 모델링이 가능하므로 타당한 대안이 될 수 있다.
• 도구 변수 기반 접근법과 비모수적 확장은 특히 탈혼란 요법의 가정이 위배되거나 치료 효과가 상호 의존할 경우 강건성을 향상시킬 수 있다.