[论文解读] Causal Inference and Data Fusion in Econometrics

Paul Hünermund, Elias Bareinboim|arXiv (Cornell University)|Dec 19, 2019

Advanced Causal Inference Techniques被引用 18

一句话总结

本文通过整合人工智能领域的 do-演算与数据融合技术，提出了一种统一的、非参数化的因果推断框架，用于计量经济学。该框架利用图形模型，能够自动从多样化、异质性的数据源（如观察性数据、实验性数据和选择性偏差样本）中识别因果效应，从而克服传统计量经济学方法在处理未观测混杂、可迁移性及数据异质性方面的局限。

ABSTRACT

Learning about cause and effect is arguably the main goal in applied econometrics. In practice, the validity of these causal inferences is contingent on a number of critical assumptions regarding the type of data that has been collected and the substantive knowledge that is available. For instance, unobserved confounding factors threaten the internal validity of estimates, data availability is often limited to non-random, selection-biased samples, causal effects need to be learned from surrogate experiments with imperfect compliance, and causal knowledge has to be extrapolated across structurally heterogeneous populations. A powerful causal inference framework is required to tackle these challenges, which plague most data analysis to varying degrees. Building on the structural approach to causality introduced by Haavelmo (1943) and the graph-theoretic framework proposed by Pearl (1995), the artificial intelligence (AI) literature has developed a wide array of techniques for causal learning that allow to leverage information from various imperfect, heterogeneous, and biased data sources (Bareinboim and Pearl, 2016). In this paper, we discuss recent advances in this literature that have the potential to contribute to econometric methodology along three dimensions. First, they provide a unified and comprehensive framework for causal inference, in which the aforementioned problems can be addressed in full generality. Second, due to their origin in AI, they come together with sound, efficient, and complete algorithmic criteria for automatization of the corresponding identification task. And third, because of the nonparametric description of structural models that graph-theoretic approaches build on, they combine the strengths of both structural econometrics as well as the potential outcomes framework, and thus offer an effective middle ground between these two literature streams.

研究动机与目标

• 解决计量经济学因果推断中长期存在的挑战，包括未观测混杂、选择性偏差和总体异质性。
• 通过基于因果图的非参数、基于图的框架，统一结构计量经济学与潜在结果框架。
• 通过利用人工智能领域的算法准则，实现因果推断中识别任务的自动化。
• 通过形式化因果效应的可迁移性与外推性，促进跨多个研究与人群的数据融合。
• 提供一种系统化的方法，用于整合不完美、非随机且结构异质的数据，以估计因果效应

提出的方法

• 使用有向无环图（DAGs）表示结构因果模型，非参数化地编码条件独立性与因果关系。
• 应用 do-演算——一组三条推理规则——将因果查询（例如，P(Y|do(X))) 符号化地转换为可估计的表达式，利用可观测数据分布。
• 使用 do-算子形式化干预，通过将结构方程替换为常数值，实现反事实推理。
• 提出可迁移性理论，通过识别共享的结构机制，实现在不同人群之间外推因果效应。
• 利用数据融合技术，将观察性、实验性和选择性偏差数据源整合为单一可估计的表达式。
• 使用算法准则实现完备性与高效性，使识别过程无需参数假设即可实现自动化。

实验结果

研究问题

• RQ1 当数据受选择性偏差或未观测混杂影响时，如何识别并估计因果效应？
• RQ2 能否开发一个统一框架，利用非参数图形模型整合结构计量经济学与潜在结果方法？
• RQ3 在缺乏对完整结构机制了解的情况下，是否可借助 do-演算等算法规则实现因果推断的自动化？
• RQ4 当人群在结构上存在差异时，如何有效将因果知识从一个群体迁移到另一个群体？
• RQ5 数据融合在增强跨多样化数据源的因果估计稳健性与泛化能力方面发挥何种作用？

主要发现

• do-演算提供了一套完备且可靠规则，可将因果查询转换为可估计表达式，实现因果效应的自动识别。
• 图形模型支持因果关系的非参数化表示，在保持灵活性的同时确保分析严谨性。
• 可迁移性理论通过识别共享机制，使在结构异质人群中有效外推因果效应成为可能。
• 数据融合技术使研究者能够整合观察性、实验性和选择性偏差数据，以估计单个数据源无法识别的因果效应。
• 将基于人工智能的因果推断工具与计量经济学方法相结合，为实现完全自动化、可靠且可泛化的因果估计提供了路径。
• 该框架天然支持处理效应异质性，无需依赖参数化函数形式假设。