[论文解读] Causal Relational Learning

Babak Salimi, Harsh Parikh+4 more|arXiv (Cornell University)|Apr 7, 2020

Bayesian Modeling and Causal Inference参考文献 52被引用 6

一句话总结

本文提出了因果关系学习（Causal Relational Learning, C a RL），一种声明式框架，通过类似 Datalog 的规则扩展因果推断至关系型数据库，支持通过规则进行因果查询。该方法克服了传统方法对单位同质性的假设，在医疗保健和学术出版等复杂多表领域中准确估计处理效应，实验表明即使在关系复杂性下，也能稳健恢复真实因果效应。

ABSTRACT

Causal inference is at the heart of empirical research in natural and social sciences and is critical for scientific discovery and informed decision making. The gold standard in causal inference is performing randomized controlled trials; unfortunately these are not always feasible due to ethical, legal, or cost constraints. As an alternative, methodologies for causal inference from observational data have been developed in statistical studies and social sciences. However, existing methods critically rely on restrictive assumptions such as the study population consisting of homogeneous elements that can be represented in a single flat table, where each row is referred to as a unit. In contrast, in many real-world settings, the study domain naturally consists of heterogeneous elements with complex relational structure, where the data is naturally represented in multiple related tables. In this paper, we present a formal framework for causal inference from such relational data. We propose a declarative language called CaRL for capturing causal background knowledge and assumptions and specifying causal queries using simple Datalog-like rules.CaRL provides a foundation for inferring causality and reasoning about the effect of complex interventions in relational domains. We present an extensive experimental evaluation on real relational data to illustrate the applicability of CaRL in social sciences and healthcare.

研究动机与目标

• 为解决现有因果推断方法假设数据为同质性、平坦表结构的局限性，此类假设在具有异构、多表结构的真实关系型领域中不成立。
• 开发一个正式框架，支持在关系型数据中进行因果推理，其中混杂因素、处理和结果可能属于不同实体类型。
• 使社会科学、医疗保健和政策领域的分析人员能够对规范化的关系型数据库提出复杂因果查询，例如干预效应。
• 在来自学术和医疗保健领域的实际与合成关系型数据上评估该框架，证明因果估计的正确性与鲁棒性。
• 探索不同关系嵌入方法对因果估计准确率与方差的影响。

提出的方法

• 提出 C a RL，一种基于类似 Datalog 的规则的声明式语言，用于表达因果背景知识，并在关系模式中指定因果查询。
• 使用潜在结果和结构因果模型来建模因果关系，适配于处理多个相互关联的关系。
• 采用关系嵌入（例如，均值、中位数、填充、矩量汇总）将相关元组集合聚合为向量表示，用于混杂因素和处理单元的建模。
• 在嵌入的关系数据上应用因果估计技术，如逆概率加权和倾向得分匹配，以保留结构依赖关系。
• 采用两阶段推理流程：首先从基础关系计算关系嵌入；其次在嵌入表示上应用因果估计器。
• 通过具有已知真实处理效应的合成数据验证正确性，并与使用通用表连接的标准方法进行性能比较。

实验结果

研究问题

• RQ1 是否可以在不假设单位同质性的异构、多表结构关系型数据库上有效执行因果推断？
• RQ2 关系嵌入方法的选择如何影响关系型领域中因果效应估计的准确率与方差？
• RQ3 C a RL 是否能在复杂、多连接的关系型查询中正确恢复平均处理效应（ATE）和条件平均处理效应（CATE）？
• RQ4 忽略关系结构——将表坍缩为通用平坦表——是否会导致因果估计出现偏差或不一致？
• RQ5 在学术出版和医疗保健等现实世界关系型数据中，C a RL 的表现如何，其中混杂因素、处理和结果分布在多个关系中？

主要发现

• 在合成数据中，C a RL 有效恢复了真实的平均处理效应（ATE），单盲会议的估计值为 1.020±0.36（矩量）和 1.011±0.29（填充），与真实值 1.00 非常接近。
• 对于双盲会议，C a RL 的 ATE 估计值为 0.109±0.32（矩量）和 0.013±0.30（填充），均接近真实值 0.00，表明估计具有高度准确性。
• 相比之下，在通用平坦表上进行因果推断得到的 ATE 估计值为 0.54±0.73，与真实值 1.00 显著偏离，表明坍缩关系结构会导致错误结论。
• 矩量汇总和填充嵌入产生的置信区间最窄，估计最准确，在偏差与方差方面均优于均值和中位数嵌入。
• C a RL 正确遵循了因果分解性质 AOE = AIE + ARE，证实了其在多个实验中因果估计的内部一致性。
• 该框架在不同生成模型和嵌入类型下均保持正确性与稳定性，表明其对关系数据中结构与表示变化具有鲁棒性。