[论文解读] From controlled to undisciplined data: estimating causal effects in the era of data science using a potential outcome framework

Francesca Dominici, Falco J. Bargagli-Stoffi+1 more|arXiv (Cornell University)|Dec 12, 2020

Advanced Causal Inference Techniques参考文献 228被引用 11

一句话总结

本文主张在因果推断中严格应用潜在结果框架，尤其是在利用大数据和机器学习时。它强调实验性思维、严谨的研究设计以及敏感性分析对于从观察性数据中可信地估计因果效应至关重要，即使使用先进算法来建模复杂处理效应和异质性时亦如此。

ABSTRACT

This paper discusses the fundamental principles of causal inference - the area of statistics that estimates the effect of specific occurrences, treatments, interventions, and exposures on a given outcome from experimental and observational data. We explain the key assumptions required to identify causal effects, and highlight the challenges associated with the use of observational data. We emphasize that experimental thinking is crucial in causal inference. The quality of the data (not necessarily the quantity), the study design, the degree to which the assumptions are met, and the rigor of the statistical analysis allow us to credibly infer causal effects. Although we advocate leveraging the use of big data and the application of machine learning (ML) algorithms for estimating causal effects, they are not a substitute of thoughtful study design. Concepts are illustrated via examples.

研究动机与目标

• 阐明使用潜在结果框架进行因果推断的基本原则。
• 强调研究设计和假设在从观察性数据中估计因果效应中的关键作用。
• 展示机器学习如何在不取代深思熟虑的实验思维的前提下增强因果估计。
• 强调敏感性分析在假设违反情况下验证因果结论重要性。
• 弥合数据科学应用中随机对照试验与观察性研究之间的差距。

提出的方法

• 应用潜在结果框架（Neyman, 1990；Rubin, 1974）以反事实结果定义因果效应。
• 使用贝叶斯方法估计缺失的潜在结果和平均处理效应（ATE），量化不确定性。
• 整合机器学习算法以建模复杂关系并检测异质性处理效应。
• 采用准实验方法（如工具变量（IV）、断点回归和合成控制）处理不可忽略处理分配的情境。
• 开展敏感性分析，评估因果结论对忽略性及其他关键假设违反的稳健性。
• 提出一个框架，将领域专业知识与数据驱动方法相结合，以将随机对照试验的发现推广至更广泛人群。

实验结果

研究问题

• RQ1 如何使用潜在结果框架从观察性数据中可信地估计因果效应？
• RQ2 研究设计在确保有效因果推断中扮演什么角色，即使在使用大数据和机器学习时？
• RQ3 机器学习在哪些方面可以改善观察性研究中异质性因果效应的估计？
• RQ4 敏感性分析如何在假设违反时增强因果结论的可信度？
• RQ5 如何使用因果推断方法将随机对照试验的发现推广至更广泛人群？

主要发现

• 数据质量、研究设计以及对关键假设的遵守，比数据量对可信因果推断更为关键。
• 机器学习方法在识别具有异质性因果效应的子群体方面展现出强大潜力，但需要与因果建模仔细整合。
• 敏感性分析对于评估因果结论在忽略性等假设违反情况下的稳健性至关重要。
• 准实验方法（如工具变量和断点回归设计）在无法进行随机化的情境中可提供有效的因果估计。
• 贝叶斯方法为在复杂情境中量化不确定性并更新对因果效应的信念提供了连贯的框架。
• 即使在数据丰富的环境中，领域专业知识在识别有效识别策略和解释因果机制方面依然不可或缺。