[论文解读] Causal Rule Ensemble: Interpretable Discovery and Inference of Heterogeneous Treatment Effects

Falco J. Bargagli-Stoffi, Cadei, Riccardo+2 more|arXiv (Cornell University)|Sep 18, 2020

Advanced Causal Inference Techniques被引用 9

一句话总结

因果规则集成（CRE）是一种新颖的可解释机器学习方法，通过集成决策树来发现并估计异质性处理效应（HTE），以提高稳定性和可解释性。它利用基于规则的简单条件识别亚群，并为亚群效应估计提供理论保证，在模拟中优于独立估计器，并揭示了美国Medicare受益人对空气污染的易感性模式。

ABSTRACT

In health and social sciences, it is critically important to identify subgroups of the study population where there is notable heterogeneity of treatment effects (HTE) with respect to the population average. Decision trees have been proposed and commonly adopted for the data-driven discovery of HTE due to their high level of interpretability. However, single-tree discovery of HTE can be unstable and oversimplified. This paper introduces the Causal Rule Ensemble (CRE), a new method for HTE discovery and estimation using an ensemble-of-trees approach. CRE offers several key features, including 1) an interpretable representation of the HTE; 2) the ability to explore complex heterogeneity patterns; and 3) high stability in subgroups discovery. The discovered subgroups are defined in terms of interpretable decision rules. Estimation of subgroup-specific causal effects is performed via a two-stage approach, for which we provide theoretical guarantees. Through simulations, we show that the CRE method is highly competitive compared to state-of-the-art techniques. Finally, we apply CRE to discover the heterogeneous health effects of exposure to air pollution on mortality for 35.3 million Medicare beneficiaries across the contiguous U.S.

研究动机与目标

• 为健康与社会科学领域中可解释、稳定且可扩展地发现异质性处理效应（HTE）提供关键支持。
• 克服单一决策树在识别具有不同处理反应的亚群时存在的不稳定性与过度简化问题。
• 开发一种方法，实现在保持强大统计性能和理论保证的同时，实现数据驱动的可解释亚群发现。
• 将该方法应用于真实世界的环境健康数据，特别是评估美国不同亚人群对空气污染导致的死亡率差异风险。
• 通过透明的基于规则的表示，识别高风险或抗性亚群，以支持基于证据的政策制定和精准医学。

提出的方法

• CRE通过构建因果树的集成来提高亚群发现的稳定性并减少过拟合。
• 采用两阶段估计程序：首先通过任何现有的处理效应估计器估计个体层面的伪结果（如ATE），然后使用具有基于规则的预测器的线性模型对这些结果进行建模。
• 亚群通过从集成中导出的可解释决策规则定义，从而实现清晰的政策与临床解释。
• 该方法在适当的正则性条件下，为估计一致性提供了理论保证。
• 研究人员可控制规则的数量与复杂度，从而在政策应用与精准医学之间实现灵活性。
• CRE对初始伪结果估计器的选择保持无偏，支持与最先进的因果估计器集成。

实验结果

研究问题

• RQ1 与单棵树方法相比，基于树的集成方法是否能提升异质性处理效应发现的稳定性和可解释性？
• RQ2 CRE在高维真实世界数据中能否有效识别具有不同处理效应的有意义、基于规则的亚群？
• RQ3 CRE在检测和估计复杂异质性模式方面是否优于独立的处理效应估计器？
• RQ4 CRE在大规模环境健康研究中能在多大程度上揭示可操作的、具有政策相关性的亚群？
• RQ5 CRE在识别美国本土地区空气污染暴露下易感亚群方面表现如何？

主要发现

• 在模拟中，CRE在显著异质性下完美恢复了真实的处理效应分解，优于独立的伪结果估计器。
• CRE在多种数据生成过程中均表现出色，兼具HTE发现与估计能力。
• 在3530万例Medicare受益人中的应用揭示了具有不同空气污染相关死亡易感性的明确且可解释的亚群。
• 该方法成功识别出非平凡且易懂的易感性模式，包括影响空气污染效应的人口统计与社会经济因素。
• 结果表明，仅聚焦于老年人的分析可能存在潜在的生存偏倚，凸显了开展更广泛年龄群体研究的必要性。
• CRE实现了可扩展的、可解释的HTE发现，支持针对性的公共卫生干预和精准医学策略。