[논문 리뷰] On the Distinction Between "Conditional Average Treatment Effects" (CATE) and "Individual Treatment Effects" (ITE) Under Ignorability Assumptions

Brian Vegetabile|arXiv (Cornell University)|2021. 08. 10.

Advanced Causal Inference Techniques참고 문헌 14인용 수 8

한 줄 요약

이 논문은 무시 가능 가정 하에서 '개별 치료 효과'(ITE)를 추정하는 방법이 실제로는 진정한 개별 수준의 효과가 아니라 조건부 평균 치료 효과(CATE)를 추정한다고 명확히 한다. 이는 ITE와 CATE가 서로 다른 추정량임을 보이며, 무시 가능성이 단지 존재한다고 해서 ITE를 특정할 수는 없음을 시사한다. 이는 관측되지 않은 혼란 요인 또는 모형 오특함이 존재할 경우 심지어 무작위화 실험에서도 마찬가지이다.

ABSTRACT

Recent years have seen a swell in methods that focus on estimating "individual treatment effects". These methods are often focused on the estimation of heterogeneous treatment effects under ignorability assumptions. This paper hopes to draw attention to the fact that there is nothing necessarily "individual" about such effects under ignorability assumptions and isolating individual effects may require additional assumptions. Such individual effects, more often than not, are more precisely described as "conditional average treatment effects" and confusion between the two has the potential to hinder advances in personalized and individualized effect estimation.

연구 동기 및 목표

• 무시 가능 가정 하에서 개별 치료 효과(ITE)와 조건부 평균 치료 효과(CATE) 사이의 개념적 및 통계적 차이를 명확히 하는 것.
• 특히 개인 맞춤 의료 분야에서 기계 학습 및 인과 추론 문헌에서 흔히 발생하는 ITE와 CATE의 혼동을 도전하는 것.
• 무시 가능성이 관측된 공변량에 조건을 두더라도 진정한 개별 수준의 효과를 특정할 수 없다는 것을 보여주는 것.
• 관측되지 않은 혼란 요인이 존재할 경우 ITE 추정치가 진정한 개별 효과와 부호나 크기에서 다를 수 있음을 강조하는 것.
• 개별 수준의 추론을 목표로 할 경우 어휘의 정밀성 향상과 더 강력한 가정 필요성을 주장하는 것.

제안 방법

• Neyman-Rubin 잠재 결과 프레임워크를 사용하여 ITE와 CATE를 서로 다른 추정량으로 공식적으로 정의한다.
• 강한 무시 가능 가정(A ⊥ Y(1), Y(0) | X)을 적용하여 이러한 조건 하에서 오직 CATE만 비모수적으로 특정됨을 보여준다.
• 관측되지 않은 혼란 요인(Z)이 있는 반례를 구성하여, 무시 가능성이 성립하더라도 ITE와 CATE의 부호가 다를 수 있음을 보여준다.
• 무작위 대조 시험(RCT)을 분석하여, 조건부 집합에 따라 서로 다른 CATE가 추정될 수 있음을 보여준다.
• 관측된 X의 서로 다른 부분집합에 조건을 두었을 때, CATE가 반대 방향의 경향(예: 양의 제곱관계 대 음의 제곱관계)을 보일 수 있음을, 제곱형 결과 함수와 함께 설명한다.
• ITE를 추정하기 위해서는 무시 가능성 이외의 추가 가정이 필요하며, 예를 들어 개인 내 반복 측정 또는 케이스 크로스오버 설계가 필요하다고 제안한다.

실험 결과

연구 질문

• RQ1 무시 가능 하에서 조건부 평균 치료 효과(CATE)는 어떤 조건에서 특정될 수 있는가?
• RQ2 관측 연구에서 추정된 개별 수준의 효과를 왜 CATE로 동일시하는 것이 잘못된가?
• RQ3 무시 가능성이 성립함에도 불구하고 ITE 추정치가 진정한 개별 효과와 부호나 크기에서 다를 수 있는 이유는 무엇인가?
• RQ4 조건부 집합에 따라 달라지는 경우, 한 개의 RCT에서 다수의 상충되는 CATE를 특정할 수 있는가?
• RQ5 무시 가능성 이외에 진정한 개별 치료 효과(ITE)를 특정하기 위해 어떤 추가 가정이 필요한가?

주요 결과

• 무시 가능 하에서 오직 CATE만 비모수적으로 특정되며, ITE는 더 강력한 가정이 없이 특정되지 않는다.
• 관측되지 않은 혼란 요인(Z)이 치료와 관측된 공변량과 상호작용할 경우, ITE 추정치는 진정한 개별 효과와 반대 부호를 가질 수 있다.
• 무작위 대조 시험에서, 예를 들어 E[Y(1)−Y(0)|X₁=x₁]와 E[Y(1)−Y(0)|X₂=x₂]와 같은 다수의 CATE를 추정할 수 있으며, 이들 간의 기능 형태가 서로 반대가 될 수 있다(예: 양의 제곱관계 대 음의 제곱관계).
• 심지어 RCT에서도 관측되지 않은 혼란 요인이 ITE의 특정을 방해하므로, 무작위화만으로는 개인 수준의 추론을 보장하지 못한다.
• CATE는 ITE와 동일하지 않지만 상관관계가 있을 수 있다; 이 둘을 혼동하면 개인 맞춤 의료 응용에서 오해를 낳을 수 있다.
• 관측되지 않은 혼란 요인이 의심되는 경우, 추정된 CATE를 바탕으로 ITE의 타당한 범위를 평가하기 위해 민감도 분석 또는 분석적 경계가 필요할 수 있다.