[论文解读] Integrating Earth Observation Data into Causal Inference: Challenges and Opportunities

Connor Jerzak, Fredrik Johansson+1 more|arXiv (Cornell University)|Jan 30, 2023

Agricultural risk and resilience被引用 5

一句话总结

本文提出了一种因果推断框架，利用卫星图像来调整观察性研究中未观测到的混杂因素，尤其适用于撒哈拉以南非洲等数据匮乏地区。通过训练深度学习模型，识别潜在混杂因素的图像代理变量，该方法从视觉特征中估计倾向得分，减少协变量不平衡，并在非洲社区的实证验证中实现了对反贫困援助效果的有效因果估计。

ABSTRACT

Observational studies require adjustment for confounding factors that are correlated with both the treatment and outcome. In the setting where the observed variables are tabular quantities such as average income in a neighborhood, tools have been developed for addressing such confounding. However, in many parts of the developing world, features about local communities may be scarce. In this context, satellite imagery can play an important role, serving as a proxy for the confounding variables otherwise unobserved. In this paper, we study confounder adjustment in this non-tabular setting, where patterns or objects found in satellite images contribute to the confounder bias. Using the evaluation of anti-poverty aid programs in Africa as our running example, we formalize the challenge of performing causal adjustment with such unstructured data -- what conditions are sufficient to identify causal effects, how to perform estimation, and how to quantify the ways in which certain aspects of the unstructured image object are most predictive of the treatment decision. Via simulation, we also explore the sensitivity of satellite image-based observational inference to image resolution and to misspecification of the image-associated confounder. Finally, we apply these tools in estimating the effect of anti-poverty interventions in African communities from satellite imagery.

研究动机与目标

• 为解决在传统表格型协变量不可用的观察性研究中，特别是在发展中国家面临的未观测混杂因素挑战。
• 在混杂因素为潜在但通过地球观测卫星图像间接捕捉的情况下，形式化因果推断。
• 开发一种利用未观测邻里层面混杂因素的图像衍生代理变量来估计处理效应的方法。
• 评估在现实应用中图像分辨率和模型误设对因果推断敏感性的影响。
• 通过实证应用验证该方法，利用卫星数据估计非洲社区反贫困援助的影响。

提出的方法

• 该方法使用深度卷积神经网络从卫星图像中提取图像表征，将这些表征视为未观测混杂因素的代理变量。
• 在这些图像特征上训练倾向得分模型，以估计处理分配的概率，从而通过逆概率加权实现因果调整。
• 该方法结合显著性图，解释哪些图像区域对处理预测影响最大，将模型输出与现实世界混杂因素指标联系起来。
• 通过比较加权前后处理组与对照组在经度和纬度分布上的差异来评估协变量平衡，协变量不平衡从（-1.12, -1.13）减少至（-0.39, 0.53）。
• 通过模拟评估该框架对图像分辨率和混杂因素误设的敏感性，并将其应用于尼日利亚及其他非洲地区的实际卫星数据。
• 该模型在多光谱卫星数据上端到端训练，利用非可见波段（例如土壤湿度）来提供与开发成果相关的图像模式信息。

实验结果

研究问题

• RQ1 在什么条件下，基于图像的特征可作为因果推断中未观测混杂因素的有效代理变量？
• RQ2 图像分辨率在多大程度上影响使用卫星数据进行因果效应估计的准确性和可靠性？
• RQ3 图像相关混杂因素的误设在多大程度上导致处理效应估计偏差？
• RQ4 如何增强基于图像模型的可解释性，以将学习到的模式与现实世界决策过程联系起来？
• RQ5 卫星图像是否能减少在传统混杂因素缺失或不可靠的观察性研究中的协变量不平衡？

主要发现

• 该方法成功减少了处理组与对照组之间的协变量不平衡，经加权后经度/纬度均值的绝对差异从（-1.12, -1.13）降低至（-0.39, 0.53）。
• 显著性图显示，土壤湿度含量高的区域（在非可见波段中显示为红粉色）强烈预测处理分配，与已知的农业援助目标一致。
• 模拟结果表明，图像分辨率和混杂因素误设显著影响估计准确性，凸显了高质量图像的重要性。
• 该方法通过利用卫星数据作为未观测邻里层面混杂因素的代理变量，使在数据匮乏地区实现有效因果推断成为可能。
• 在非洲反贫困项目中的实证应用表明，基于图像的倾向得分可改善反事实比较，并支持稳健的因果结论。
• 该模型识别出在水资源丰富和农业潜力高的地区（如卡齐纳）具有高概率处理的区域，与已知的发展优先事项一致。

Figure 4 : Scene-level results varying the resolution and character of model misspecification. The true confounder was generated with a kernel width of 9 and resolution scaling factor of 1. Resolution scaling factors are numerically labeled and colored with grayscale. A resolution scaling factor of