[논문 리뷰] Bayesian Methods for Multiple Mediators: Relating Principal Stratification and Causal Mediation in the Analysis of Power Plant Emission Controls

Chanmin Kim, Michael J. Daniels외 3명|arXiv (Cornell University)|2019. 02. 17.

Economic and Environmental Valuation참고 문헌 36인용 수 5

한 줄 요약

이 논문은 대기오염 규제에서 인과적 경로를 분석하기 위해 베이지안 비모수적 방법을 개발한다. 주로 전기발전소의 스크러버 설치가 SO2, NOx, CO2 배출의 동시적 매개작용을 통해 환경 대기 PM2.5를 감소시키는 방식을 분석하기 위해 주된 집단 분류법과 인과적 중재 분석을 통합 적용한다. 주요 기여는 다수의 상관관계가 있는 매개변수에 대해 총 효과를 자연적 직접효과와 자연적 간접효과로 분해하는 새로운 방법으로, 이는 스크러버가 PM2.5에 미치는 영향이 주로 SO2 감소를 통해 이루어지며, NOx나 CO2를 통한 영향은 미미하다는 것을 드러낸다.

ABSTRACT

Emission control technologies installed on power plants are a key feature of many air pollution regulations in the US. While such regulations are predicated on the presumed relationships between emissions, ambient air pollution, and human health, many of these relationships have never been empirically verified. The goal of this paper is to develop new statistical methods to quantify these relationships. We frame this problem as one of mediation analysis to evaluate the extent to which the effect of a particular control technology on ambient pollution is mediated through causal effects on power plant emissions. Since power plants emit various compounds that contribute to ambient pollution, we develop new methods for multiple intermediate variables that are measured contemporaneously, may interact with one another, and may exhibit joint mediating effects. Specifically, we propose new methods leveraging two related frameworks for causal inference in the presence of mediating variables: principal stratification and causal mediation analysis. We define principal effects based on multiple mediators, and also introduce a new decomposition of the total effect of an intervention on ambient pollution into the natural direct effect and natural indirect effects for all combinations of mediators. Both approaches are anchored to the same observed-data models, which we specify with Bayesian nonparametric techniques. We provide assumptions for estimating principal causal effects, then augment these with an additional assumption required for causal mediation analysis. The two analyses, interpreted in tandem, provide the first empirical investigation of the presumed causal pathways that motivate important air quality regulatory policies.

연구 동기 및 목표

• 미국 대기질 규제에서 가정된 바와 같이, 전기발전소의 스크러버 설치와 환경 대기 PM2.5 감소 사이의 인과적 경로를 실증적으로 검증하는 것.
• 중재 분석에서 다수의 동시에 측정된 상관관계가 있는 매개변수(SO2, NOx, CO2)를 다루는 통계적 과제를 해결하는 것.
• 주요 집단 분류법과 인과적 중재 분석이라는 두 가지 인과 추론 프레임워크를 통합된 베이지안 비모수적 모델링 프레임워크 내에서 융합하는 것.
• 모든 매개변수 조합에 대해 자연적 직접효과와 자연적 간접효과를 추정하여 총 치료 효과의 분해를 가능하게 하는 것.
• 다양한 배출 감소가 환경 대기 PM2.5 변화에 기여하는 데 있어 상대적 중요도에 대한 실증적 증거를 제공하는 것.

제안 방법

• 다수의 상관관계가 있는 매개변수와 결과(환경 대기 PM2.5)의 공동 분포를 영리하게 모델링하기 위해 가우시안 코풀라를 사용하는 베이지안 비모수적 모델을 제안한다.
• 매개변수 변화의 조합(예: SO2 및 CO2 감소) 기반의 주요 집단 효과를 정의함으로써, 주요 집단 분류 기반의 인과 추론을 가능하게 한다.
• 모든 매개변수 조합에 대해 총 효과를 자연적 직접효과와 자연적 간접효과로 분해하는 새로운 방법을 도입한다.
• 인과적 중재 효과를 식별하기 위해 순차적 무시 가능성 유사 가정을 도입하고, 이는 상호작용이 가능한 동시에 측정된 다수의 매개변수로 확장된다.
• 사후 예측 검증과 MCMC 샘플링을 사용하여 두 프레임워크 하에서 인과 효과의 사후 분포를 추정한다.
• 150km 이내의 전기발전소와 환경 모니터링 지점 간의 연결을 통해 노출과 결과를 정의하며, 이 범위를 초월한 간섭은 없다고 가정한다.

실험 결과

연구 질문

• RQ1 스크러버 설치가 환경 대기 PM2.5에 미치는 영향이 SO2, NOx, CO2 배출 감소를 통해 어느 정도 매개되는가?
• RQ2 다수의 매개변수가 존재할 경우, 주요 집단 분류법과 인과적 중재 분석 프레임워크는 인과 효과를 어떻게 비교하여 추정하는가?
• RQ3 SO2, NOx, CO2 감소 중 어느 것이 전체적으로 환경 대기 PM2.5 감소에 가장 기여하는가?
• RQ4 일부 총 효과를 설명하는 데 기여하는 분리 효과(모든 단일 오염물질을 통해 매개되지 않는 직접 효과)가 존재하는가?
• RQ5 매개변수 간 상호작용이 이 다변량 설정에서 중재 효과의 해석에 어떻게 영향을 미치는가?

주요 결과

• 스크러버 설치가 환경 대기 PM2.5 감소에 미치는 총 효과는 주로 SO2 배출 감소를 통해 매개되며, NOx나 CO2를 통한 간접 효과에 대한 증거는 미미하다.
• 주요 집단 분석 결과, SO2 배출이 크게 감소한 집단에서 스크러버가 환경 대기 PM2.5를 유의미하게 감소시키는 것으로 나타났으며, 이는 중재 분석 결과와 일치한다.
• 자연적 간접효과는 SO2에서 가장 크게 나타나, 스크러버에서 PM2.5 감소로 이르는 인과 경로의 대부분이 SO2 제거를 통해 이루어지는 것으로 나타났다.
• 소규모이지만 0이 아닌 자연적 직접효과가 스크러버와 PM2.5 간에 확인되어, 배출 감소 이외의 추가 경로가 존재할 가능성을 시사한다.
• SO2와 CO2(또는 NOx) 변화의 교차분류 분석 결과, NOx나 CO2에 대한 명백한 간접 효과는 주로 SO2 변화에 의해 유도되었으며, 독립적인 중재 작용은 아니었다.
• 주요 집단 분류법과 중재 분석 프레임워크 간 결과가 일관되며, SO2가 주요 매개변수임을 더욱 강화하는 결과를 도출하였다.