VLUCI: Variational Learning of Unobserved Confounders for Counterfactual Inference

要約

因果推論は、疫学、医療、経済などのさまざまな分野で重要な役割を果たしています。
観察データにおける交絡を取り除くことと反事実的な予測は、因果推論研究における顕著な懸念事項として浮上しています。
既存のモデルは観察された交絡因子に取り組んでいますが、観察されていない交絡因子の存在は依然として大きな課題であり、因果推論を歪め、反事実結果の精度に影響を与えます。
これに対処するために、我々は、観察されない交絡因子の事後分布を生成する、反事実推論のための観察されない交絡因子の新しい変分学習モデル (VLUCI) を提案します。
VLUCI は、ほとんどの因果推論手法で見落とされがちな無交絡性の仮定を緩和します。
VLUCI は、観測された交絡因子と観測されていない交絡因子を解きほぐすことにより、二重変分推論モデルを構築して、観測されていない交絡因子の分布を近似します。これは、より正確に反事実的な結果を推論するために使用されます。
合成および半合成データセットに関する広範な実験により、観測されていない交絡因子の推論における VLUCI の優れたパフォーマンスが実証されています。
最先端の反事実推論モデルと互換性があり、グループレベルと個人レベルの両方で推論の精度が大幅に向上します。
さらに、VLUCI は反事実の結果に対する信頼区間を提供し、リスクに敏感な領域での意思決定を支援します。
パブリック IHDP データセットを例として使用して、観測されていない交絡因子がモデルの仮定に厳密に準拠していないケースに VLUCI を適用する際の考慮事項をさらに明確にし、VLUCI の実際的な利点を強調します。

要約(オリジナル)

Causal inference plays a vital role in diverse domains like epidemiology, healthcare, and economics. De-confounding and counterfactual prediction in observational data has emerged as a prominent concern in causal inference research. While existing models tackle observed confounders, the presence of unobserved confounders remains a significant challenge, distorting causal inference and impacting counterfactual outcome accuracy. To address this, we propose a novel variational learning model of unobserved confounders for counterfactual inference (VLUCI), which generates the posterior distribution of unobserved confounders. VLUCI relaxes the unconfoundedness assumption often overlooked by most causal inference methods. By disentangling observed and unobserved confounders, VLUCI constructs a doubly variational inference model to approximate the distribution of unobserved confounders, which are used for inferring more accurate counterfactual outcomes. Extensive experiments on synthetic and semi-synthetic datasets demonstrate VLUCI’s superior performance in inferring unobserved confounders. It is compatible with state-of-the-art counterfactual inference models, significantly improving inference accuracy at both group and individual levels. Additionally, VLUCI provides confidence intervals for counterfactual outcomes, aiding decision-making in risk-sensitive domains. We further clarify the considerations when applying VLUCI to cases where unobserved confounders don’t strictly conform to our model assumptions using the public IHDP dataset as an example, highlighting the practical advantages of VLUCI.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google