측정되지 않은 혼란 변수의 대리 변수 선택 자동화

최근, 측정되지 않은 혼란 변수의 대리 변수를 사용하여 관찰 데이터에서 측정되지 않은 혼란 변수가 있을 때 인과 효과를 추론하는 것에 대한 관심이 높아지고 있습니다. 실용적인 사용을 방해하는 한 가지 어려움은 관심 있는 목표 인과 효과에 대한 유효한 측정되지 않은 혼란 변수의 대리 변수를 찾는 것입니다. 이러한 대리 변수는 일반적으로 배경 지식으로 정당화됩니다. 본 논문에서는 유효성에 대한 사전 지식 없이 선형 인과 모델 내에서 여러 치료와 단일 결과 사이에 존재하는 측정되지 않은 혼란 변수의 영향을 받는 인과 효과의 추정에 대해 조사합니다. 보다 구체적으로, 우리는 기존의 대리 변수 추정기를 단일 측정되지 않은 혼란 변수를 다루던 것을 여러 측정되지 않은 혼란 변수가 치료와 결과 사이에 존재하는 시나리오에 맞게 확장합니다. 이후, 데이터의 이차 통계 및 고차 통계에 기반하여 측정되지 않은 혼란 변수의 유효한 대리 변수를 선택하기 위한 두 가지 서로 다른 정확한 식별 가능성 조건을 제시합니다. 게다가, 우리는 대리 변수 선택 및 인과 효과의 편향 없는 추정을 위한 두 가지 데이터 기반 방법을 제안합니다. 이론적 분석은 우리가 제안한 알고리즘의 정확성을 입증합니다. 합성 및 실제 데이터에 대한 실험 결과는 제안된 접근 방식의 효과를 보여줍니다.