[論文レビュー] Causal inference for process understanding in Earth sciences

Adam Massmann, Pierre Gentine+1 more|arXiv (Cornell University)|May 3, 2021

Bayesian Modeling and Causal Inference参考文献 46被引用数 9

ひとこと要約

この論文は、完全な因果発見が困難な状況下でも、地球科学分野における仮定の明確化、分析の構造化、因果推論の実現を可能にするために、専門家が定義した因果グラフの使用を提唱している。因果推論が実行可能となる3つの取り扱いやすい条件（限定的状態空間効果、独立した原因、再構築可能な状態空間）を同定し、因果グラフが複雑な地球系システムにおける科学的厳密性、再現可能性、仮説検証の向上に寄与することを示している。

ABSTRACT

There is growing interest in the study of causal methods in the Earth sciences. However, most applications have focused on causal discovery, i.e. inferring the causal relationships and causal structure from data. This paper instead examines causality through the lens of causal inference and how expert-defined causal graphs, a fundamental from causal theory, can be used to clarify assumptions, identify tractable problems, and aid interpretation of results and their causality in Earth science research. We apply causal theory to generic graphs of the Earth system to identify where causal inference may be most tractable and useful to address problems in Earth Science, and avoid potentially incorrect conclusions. Specifically, causal inference may be useful when: (1) the effect of interest is only causally affected by the observed portion of the state space; or: (2) the cause of interest can be assumed to be independent of the evolution of the system's state; or: (3) the state space of the system is reconstructable from lagged observations of the system. However, we also highlight through examples how causal graphs can be used to explicitly define and communicate assumptions and hypotheses, and help to structure analyses, even if causal inference is ultimately challenging given the data availability, limitations and uncertainties.

研究の動機と目的

• 地球系研究において、因果発見から因果推論への焦点の転換を図ること。
• 部分的観測やシステムの複雑性がある中でも、因果推論が取り扱い可能となる条件を同定すること。
• 因果グラフによる仮定の形式化を通じて、科学的コミュニケーション、再現可能性、仮説検証の向上を図ること。
• 因果効果がデータから推定できない場合でも、因果グラフが分析を構造化できることを示すこと。
• 地球科学分野における高度な因果推論技術（例：輸送性、選択バイアス補正）の導入基盤を提供すること。

提案手法

• 地球系における既知の物理的関係を有向無閉路グラフ（DAG）として表現するため、グラフィカル因果モデル（Pearl, 1995）を用いる。
• 介入の効果が観察データから推定可能かどうかを判断するために、do-計算の原則を適用する。
• 因果推論を可能にする3つの条件を同定する：(1) 効果が観測された状態空間に限定される、(2) 原因がシステムの進化と独立である、(3) 滞在観測から状態空間が再構築可能である。
• 因果グラフを用いて交絡や選択バイアスを診断し、因果効果の同定可能性を評価する。
• 実際の地球系例（例：雲・エアロゾル・太陽放射）および一般化された例を用いて、グラフが仮定の明確化と分析設計の支援にどのように寄与するかを説明する。
• 研究の初期段階で因果グラフを統合するよう促進し、不適切な研究を避けるとともに、データ収集やモデリングに向けたリソースの無駄を減らす。

実験結果

リサーチクエスチョン

• RQ1 システムの不完全な観測がある中で、地球科学分野において因果推論を意味的に適用できる条件は何か？
• RQ2 専門家が定義した因果グラフは、地球科学分野の研究における明確さ、構造的整合性、再現可能性をどのように向上させるか？
• RQ3 因果効果がデータから推定できない場合でも、因果グラフは仮定の特定と伝達をどのように支援するか？
• RQ4 選択バイアスやモデルとデータの不一致といった課題に対処するため、因果推論手法はどのように地球系研究に適合されるか？
• RQ5 物理モデルが複雑すぎたり未知の状況下でも、因果グラフは地球系プロセス間の一般化された関数的関係を導出するのに果たす役割は何か？

主な発見

• 因果グラフは、データ収集の前段階で取り扱い可能な因果推論問題を同定可能であり、不適切な分析に向けられる努力を削減する。
• 因果効果が影響を受けるのは観測された状態空間の部分に限定される場合、因果推論は可能である。
• 原因がシステムの進化と独立であると仮定できる場合、完全な状態再構築が不要でも因果効果の推定が可能となる。
• システムの状態空間が遅延観測から再構築可能であれば、do-計算フレームワーク下で因果推論が可能となる。
• 因果効果が推定できない場合でも、因果グラフは仮定の伝達、仮説の構造化、科学的透明性の向上という点で価値を有する。
• 因果グラフは、介入に基づく推論を形式化することで、物理モデルが扱いにくいか不明な状況下でも、地球系変数間の一般化された関数的関係を導く道筋を提供する。