因果推論(causal inference)とは、処置 $X$ を全員に施した場合と施さなかった場合の結果の違い(因果効果)を、観察したデータから求める理論で、効果を潜在結果 $Y(x)$ や構造方程式モデルへの介入で定義する。共変量 $Z$ の各層で $Y(x)$ と $X$ が独立で、各層に処置 $x$ を受けた個体がいれば、$P(Y(x)=y)$ は調整の公式 $\sum_zP(y\mid x,z)P(z)$ に等しい。構造方程式モデルでは、$Z$ が $X$ の子孫を含まず、$X$ に入る辺で始まる $X$ と $Y$ の道をすべて遮断するとき(バックドア基準)、この独立性が成り立つ。疫学や経済学で、調整に使う変数の選び方を与える。
ある薬を飲んだ人の回復率が $48\%$、飲まなかった人の回復率が $62\%$ だったとする。薬は効かないのだろうか。ところが重症の人ほど薬を飲みやすく、重症の人ほど回復しにくいなら、比べている 2 つの群は最初から違う。重症度ごとに比べると、どちらの層でも薬を飲んだ方が回復率が $10$ ポイント高い(ex-ci-confounding)。「飲んだ人と飲まなかった人の違い」ではなく「全員に飲ませた場合と誰にも飲ませなかった場合の違い」を、観察したデータから求めるのが 因果推論 である。
この記事では、因果効果を 潜在結果 と 構造方程式モデル の 2 つの言葉で定義し、条件付きの無視可能性のもとで因果効果が観察データの 調整の公式 $\sum_zP(y\mid x,z)P(z)$ で表せることを証明する。主定理は、どの変数で調整すればよいかをグラフから判定する Pearl の バックドア基準 である。調整してはいけない変数(中間変数や合流点)の反例も示す。
以下、確率変数はすべて有限集合に値をとる。
処置 $X$(値の集合 $\mathcal X$)と結果 $Y$ について、各 $x\in\mathcal X$ ごとに確率変数 $Y(x)$ が同じ確率空間の上に与えられ、
$$
\text{(一致性)}\qquad X=x\ \text{となる標本点では}\ Y=Y(x)
$$
が成り立つとき、$Y(x)$ を処置 $x$ のもとでの 潜在結果 という。$P(Y(x)=y)$ を $P(y\mid\operatorname{do}(x))$ とも書き、$\mathcal X=\{0,1\}$ で $Y$ が実数値のとき $E[Y(1)]-E[Y(0)]$ を 平均処置効果(ATE)という。
各個体について観察できるのは実際に受けた処置の $Y(X)$ だけで、ほかの $Y(x)$ は観察できない。そこで潜在結果と観察できる量を結ぶ仮定が要る。
有限集合 $V$ を頂点とする有向非巡回グラフ $G$ と、各 $j\in V$ について確率変数 $V_j$、関数 $f_j$、確率変数 $U_j$ があり、$(U_j)_{j\in V}$ が独立で
$$
V_j=f_j\bigl((V_k)_{k\in\mathrm{pa}(j)},U_j\bigr)\qquad(j\in V)
$$
が成り立つとき、これを 構造方程式モデル(Markov 的なもの)という。$\mathrm{pa}(j)$ は $j$ の親($k\to j$ となる $k$)の集合である。$X\in V$ と $x$ について、$X$ の式だけを定数 $X=x$ に置き換え、ほかの式と同じ $U$ を使って上から順に決めた値を $V_j(x)$ と書き、この操作を 介入 $\operatorname{do}(X=x)$ という。$Y\in V$ について $Y(x)$ は潜在結果である(一致性は lem-ci-scm)。
グラフの言葉を定める。$G$ の 道 とは、隣り合う 2 頂点が(向きを問わず)辺で結ばれた相異なる頂点の列である。道の内部の頂点 $m$ で、前後の辺がともに $m$ を向く($\cdot\to m\leftarrow\cdot$)ものを道の上の 合流点 という。$m$ から有向道でたどれる頂点を $m$ の 子孫 という($m$ 自身を含めない)。
頂点の集合 $S$ が道 $p$ を 遮断する とは、$p$ の内部の頂点 $m$ で、(1) 合流点でなく $m\in S$ であるか、(2) 合流点で $m\notin S$ かつ $m$ の子孫が $S$ に含まれないもの、が 1 つ以上あることをいう。互いに素な頂点の集合 $A,C,S$ について、$A$ の頂点と $C$ の頂点を結ぶどの道も $S$ が遮断するとき、$A$ と $C$ は $S$ で d 分離 されるという。
$X,Y\in V$ と $Z\subset V\setminus\{X,Y\}$ が次の 2 条件を満たすとき、$Z$ は $(X,Y)$ について バックドア基準 を満たすという。
因果効果を観察データから求めるのに使う条件は次のとおりである。
| 量 | 公式 | 条件 | 根拠 |
|---|---|---|---|
| 調整の公式 | $P(Y(x)=y)=\sum_zP(y\mid x,z)P(z)$ | (i)–(iii) | thm-ci-adjust |
| 逆確率重み付け | $E[Y(x)]=E\Bigl[\dfrac{\mathbf 1_{\{X=x\}}Y}{e_x(Z)}\Bigr]$、$e_x(z)=P(X=x\mid Z=z)$ | (i)–(iii)、$Y$ は実数値 | thm-ci-adjust |
| ランダム化した実験 | $E[Y(1)]-E[Y(0)]=E[Y\mid X=1]-E[Y\mid X=0]$ | (i)、$X$ が $(Y(0),Y(1))$ と独立、$0< P(X=1)< 1$ | thm-ci-adjust で $Z$ を定数に |
| バックドア調整 | 調整の公式 | 構造方程式モデル、$Z$ はバックドア基準、(iii) | thm-ci-backdoor |
| 親による調整 | $P(Y(x)=y)=\sum_tP(y\mid x,t)P(t)$、$T=(V_k)_{k\in\mathrm{pa}(X)}$ | 構造方程式モデル、(iii) | cor-ci-parents |
| 切断した積 | $P(v\mid\operatorname{do}(x))=\prod_{j\ne X}P(v_j\mid\mathrm{pa}_j)\big\vert_{X=x}$ | 構造方程式モデル | この記事では証明しない(Pea09 Corollary 1、p. 111) |
$Y(x)$ が一致性を満たす潜在結果で、有限集合に値をとる $Z$ について $Y(x)\perp X\mid Z$ と正値性 (iii) が成り立つとする。このとき
$$
P(Y(x)=y)=\sum_{z:\,P(Z=z)>0}P(Y=y\mid X=x,Z=z)\,P(Z=z)
$$
である。$Y$ が実数値なら $E[Y(x)]=E\bigl[\mathbf 1_{\{X=x\}}Y/e_x(Z)\bigr]$ でもある。
$P(Z=z)>0$ となる $z$ について、全確率の公式から $P(Y(x)=y)=\sum_zP(Y(x)=y\mid Z=z)P(Z=z)$ である。正値性から $P(X=x,Z=z)>0$ で、条件付き独立性 $P(Y(x)=y,X=x\mid Z=z)=P(Y(x)=y\mid Z=z)P(X=x\mid Z=z)$ を $P(X=x\mid Z=z)$ で割ると $P(Y(x)=y\mid Z=z)=P(Y(x)=y\mid X=x,Z=z)$ を得る。事象 $\{X=x\}$ の上では一致性により $Y(x)=Y$ なので、これは $P(Y=y\mid X=x,Z=z)$ に等しい。
逆確率重み付けの式:一致性から $\mathbf 1_{\{X=x\}}Y=\mathbf 1_{\{X=x\}}Y(x)$ で、条件付き独立性から $E[\mathbf 1_{\{X=x\}}Y(x)\mathbf 1_{\{Z=z\}}]=\sum_yy\,P(Y(x)=y,X=x,Z=z)=e_x(z)\,E[Y(x)\mathbf 1_{\{Z=z\}}]$。両辺を $e_x(z)$ で割って $z$ について足すと $E[\mathbf 1_{\{X=x\}}Y/e_x(Z)]=\sum_zE[Y(x)\mathbf 1_{\{Z=z\}}]=E[Y(x)]$。$\square$
構造方程式モデルでは、無視可能性をグラフから判定できる。まずモデルの基本の性質を確かめる。$X$ とその子孫の集合を $D$、$D':=D\setminus\{X\}$、$N:=V\setminus D$ とする。$N$ の頂点の親はまた $N$ に属する(親が $D$ にあれば子も $D$ にある)。$N$ の頂点 $b$ で、$b$ から $Y$ への有向道(長さ $0$ も許す)であって $b$ 以外の頂点がすべて $D'$ にあるものがあるような $b$ の集合を $B$ とする。
有向非巡回グラフ の定理「有向非巡回グラフの言い換え」により、すべての辺が前から後ろへ向くように頂点を並べられる。(1)(2) はこの順の帰納法による。(1) $j\in N$ は $X$ でなく、親も $N$ にあるので $V_j(x)=f_j((V_k(x))_{k\in\mathrm{pa}(j)},U_j)=f_j((V_k)_{k\in\mathrm{pa}(j)},U_j)=V_j$。(2) $X=x$ の上で $V_X(x)=x=X$、$j\ne X$ なら式は同じで親の値が等しいので $V_j(x)=V_j$。(3) $Y\in N$ なら $B=\{Y\}$ で (1) から $Y(x)=Y$。$Y\in D'$ のとき、$Y$ の祖先($Y$ を含む)で $D'$ にあるものを順に見ると、その値は、親のうち $D'$ にあるものの値、$X$ の値 $x$、$N$ にある親の値((1) により $V_b$)と $U_j$ で決まる。$D'$ の頂点から $Y$ への有向道は $X$ を通らず(通れば閉路ができる)$D'$ の中にあるので、現れる $N$ の親は $B$ に属する。$\square$
主定理の証明は次の定理に依存する。
構造方程式モデルで、$A,C,S\subset V$ が互いに素で、$A$ と $C$ が $S$ で d 分離されるなら、$(V_a)_{a\in A}$ と $(V_c)_{c\in C}$ は $(V_s)_{s\in S}$ を与えたもとで条件付き独立である。
この記事では証明しない。GVP90 Theorem 1(p. 515)は、条件付き独立性の満たす公理(graphoid の公理、同 p. 511)のもとで、頂点をグラフの順に並べたとき各 $V_j$ が親を与えたもとで前の頂点たちと条件付き独立であることから、d 分離が条件付き独立を導くことを述べる。構造方程式モデルではこの仮定は、$U_j$ が前の頂点の $U$ と独立なことから従う。各変数が有限個の値をとる場合には、グラフに沿って分解する分布で d 分離が条件付き独立を導くことを、Bayesネットワーク の定理「分解と Markov 性の同値」で証明している。
構造方程式モデルで $Z\subset V\setminus\{X,Y\}$ が $(X,Y)$ についてバックドア基準を満たすとする。このとき $Y(x)\perp X\mid Z$ であり、正値性 (iii) が成り立てば
$$
P(Y(x)=y)=\sum_{z:\,P(Z=z)>0}P(Y=y\mid X=x,Z=z)\,P(Z=z)
$$
である。
(a) から $Z\subset N$ である。$G'$ を $G$ の $N\cup\{X\}$ の上の部分グラフとする。$N\cup\{X\}$ は親をとる操作で閉じているので、その頂点の式だけで構造方程式モデルになり、thm-ci-dsep を $G'$ に使える。$X$ の子は $D'$ にあるので、$G'$ では $X$ は子をもたない。
段 1($X$ と $B\setminus Z$ は $Z$ で d 分離される):$b\in B\setminus Z$ と、$G'$ で $X$ と $b$ を結ぶ道 $p$ をとる。$X$ は $G'$ で子をもたないので、$p$ は $X$ に入る辺で始まる。$b$ から $Y$ への有向道 $d$ で $b$ 以外の頂点が $D'$ にあるものをとり、$p$ に $d$ をつないだ列を $p'$ とする。$p$ の頂点は $N\cup\{X\}$ に、$d$ の $b$ 以外の頂点は $D'$ にあるので $p'$ は道で、$X$ に入る辺で始まる裏口の道である($b=Y$ なら $p'=p$)。(b) により、$p'$ の内部のある頂点 $m$ が $p'$ を遮断する。
段 2(無視可能性):$X$、$V_B$、$Z$ は $(U_j)_{j\in N\cup\{X\}}$ の関数で、$U_{D'}:=(U_j)_{j\in D'}$ はこれと独立である。lem-ci-scm の (3) の $h$ を使うと、$P(Z=z)>0$ と任意の $x'$ について
$$
P(Y(x)=y,X=x',Z=z)=\sum_\beta P(X=x',V_B=\beta,Z=z)\,P\bigl(h(\beta,U_{D'})=y\bigr)
$$
で、段 1 から $P(X=x',V_B=\beta,Z=z)=P(X=x'\mid Z=z)P(V_B=\beta,Z=z)$ だから、右辺は $P(X=x'\mid Z=z)\sum_\beta P(V_B=\beta,Z=z)P(h(\beta,U_{D'})=y)=P(X=x'\mid Z=z)P(Y(x)=y,Z=z)$ に等しい。これは $Y(x)\perp X\mid Z$ である。
段 3:lem-ci-scm の (2) から一致性が成り立つので、thm-ci-adjust により調整の公式を得る。$\square$
$Y$ が $X$ の親でなければ、$X$ の親の全体はいつもバックドア基準を満たす(親は $X$ の子孫でなく、裏口の道の最初の内部の頂点は合流点でない親である)。この場合は d 分離の定理を使わずに示せる。
構造方程式モデルで $T:=(V_k)_{k\in\mathrm{pa}(X)}$ とすると $Y(x)\perp X\mid T$ で、正値性が成り立てば $P(Y(x)=y)=\sum_tP(Y=y\mid X=x,T=t)P(T=t)$ である。
$X=f_X(T,U_X)$ で、$T$ と $V_B$ は $(U_j)_{j\in N}$ の関数、$Y(x)=h(V_B,U_{D'})$ は $(U_j)_{j\in N\cup D'}$ の関数であり、これらは $U_X$ と独立である。よって
$$
P(Y(x)=y,X=x',T=t)=P(Y(x)=y,T=t,f_X(t,U_X)=x')=P(Y(x)=y,T=t)\,P(f_X(t,U_X)=x')
$$
で、$y$ について足すと $P(X=x',T=t)=P(T=t)P(f_X(t,U_X)=x')$。両式から $P(Y(x)=y,X=x'\mid T=t)=P(Y(x)=y\mid T=t)P(X=x'\mid T=t)$ である。あとは thm-ci-adjust による。$\square$
重症度 $Z$($1$ が重症)、服薬 $X$、回復 $Y$ が、グラフ $Z\to X$、$Z\to Y$、$X\to Y$ の構造方程式モデルに従い、$P(Z=1)=\frac12$、$P(X=1\mid Z=0)=0.2$、$P(X=1\mid Z=1)=0.8$、回復の確率 $P(Y=1\mid X=x,Z=z)$ が $(x,z)=(0,0),(1,0),(0,1),(1,1)$ で $0.7,0.8,0.3,0.4$ とする。単純な比較と平均処置効果を求める。使う公式:thm-ci-backdoor($Z$ はバックドア基準を満たす)。
答え:単純な比較では $P(Y=1\mid X=1)=0.48$、$P(Y=1\mid X=0)=0.62$ で差は $-0.14$。調整の公式では $P(Y(1)=1)=\frac12(0.8+0.4)=0.6$、$P(Y(0)=1)=\frac12(0.7+0.3)=0.5$ で、平均処置効果は $+0.1$ である。
$P(X=1)=\frac12(0.2+0.8)=\frac12$。ベイズの定理で $P(Z=1\mid X=1)=0.4/0.5=0.8$、$P(Z=1\mid X=0)=0.1/0.5=0.2$。よって $P(Y=1\mid X=1)=0.2\cdot0.8+0.8\cdot0.4=0.48$、$P(Y=1\mid X=0)=0.8\cdot0.7+0.2\cdot0.3=0.62$。服薬した群は重症の人が $80\%$ を占めるので、薬の効果が重症度の差に打ち消される。裏口の道は $X\leftarrow Z\to Y$ だけで、$Z$ は合流点でないので $\{Z\}$ が遮断する。
ex-ci-confounding と同じモデルで、傾向スコア $e_1(z)=P(X=1\mid Z=z)$ による重み付けで $E[Y(1)]$ を求める。使う公式:thm-ci-adjust の逆確率重み付けの式。
答え:重みは軽症で服薬した人に $1/e_1(0)=5$、重症で服薬した人に $1/e_1(1)=1.25$。$E[\mathbf 1_{\{X=1\}}Y/e_1(Z)]=\frac12\cdot0.2\cdot0.8\cdot5+\frac12\cdot0.8\cdot0.4\cdot1.25=0.4+0.2=0.6$ で、調整の公式の値と一致する。服薬した群で少ない軽症の人を重く数え、全員が服薬した集団を作り直している。
グラフの辺が $Z_1\to X$、$Z_1\to Z_3$、$Z_2\to Z_3$、$Z_2\to Y$、$Z_3\to X$、$Z_3\to Y$、$X\to W$、$W\to Y$ であるとき、$\{Z_1,Z_2,Z_3,W\}$ の部分集合のうちバックドア基準を満たすものを求める。使う公式:def-ci-backdoor。
答え:$\{Z_1,Z_3\}$、$\{Z_2,Z_3\}$、$\{Z_1,Z_2,Z_3\}$ の 3 つである。$\{Z_3\}$ だけでは足りず、$\{Z_1,Z_2\}$ でも足りない。$W$ を含む集合は (a) に反する。
裏口の道は $X\leftarrow Z_1\to Z_3\to Y$、$X\leftarrow Z_1\to Z_3\leftarrow Z_2\to Y$、$X\leftarrow Z_3\to Y$、$X\leftarrow Z_3\leftarrow Z_2\to Y$ の 4 本。3 本目は $Z_3$ を含めないと遮断できない。$Z_3$ を含めると 2 本目では合流点 $Z_3$ が $Z$ に入るので、$Z_1$ か $Z_2$ も要る。$\{Z_1,Z_2\}$ では 3 本目が開いている。$W$ は $X$ の子である。
図: 左は例題 ex-ci-confounding のグラフで、重症度 Z から服薬 X と回復 Y に矢印があり、X から Y に矢印がある。中央は例題 ex-ci-graph のグラフ。右は反例の表の M バイアスのグラフで、観測しない U1 が X と M に、U2 が M と Y に矢印を出し、M は合流点である。
各行は主定理の仮定を 1 つだけ外す。1〜3 行目では調整の公式の値が真の効果からずれ、4 行目では公式が定義できず、効果が観察から決まらない。
| 外す条件 | 反例 | 成り立たなくなること |
|---|---|---|
| (b) 裏口の道の遮断 | ex-ci-confounding で $Z=\emptyset$(調整しない) | $X\leftarrow Z\to Y$ が開いており、単純な差 $-0.14$ は効果 $+0.1$ と符号まで違う |
| (b)(合流点を入れて道が開く) | M バイアス:$U_1,U_2$ は独立に確率 $\frac12$ で $1$、$P(X=1\mid U_1)=0.2,0.8$、$M=\max(U_1,U_2)$、$P(Y=1\mid X,U_2)=0.2+0.3X+0.4U_2$。$Z=\{M\}$ | $\emptyset$ は基準を満たし効果は $0.3$ だが、$\{M\}$ では裏口の道 $X\leftarrow U_1\to M\leftarrow U_2\to Y$ が開き、調整の公式の差は $\frac{13}{60}\approx0.21667$ |
| (a) 子孫を含めない | $X$ は確率 $\frac12$ で $1$、$W$ は $X$ を確率 $0.1$ で反転したもの、$P(Y=1\mid W)=0.2+0.5W$。$Z=\{W\}$ | 効果は $0.65-0.25=0.4$ だが、$W$ で調整すると両方とも $0.45$ で差は $0$ |
| (iii) 正値性 | $Z$ は確率 $\frac12$ で $1$、$X=Z$。モデル A は $Y=X$、モデル B は $Y=X+(1-X)Z$ | 観察の分布は同じだが $E[Y(0)]$ は A で $0$、B で $\frac12$。$P(y\mid X=0,Z=1)$ は定義できず、効果は観察から決まらない |
2 行目:$P(X=x,M=m)$ は $(x,m)=(0,0),(0,1),(1,0),(1,1)$ で $\frac15,\frac3{10},\frac1{20},\frac9{20}$(すべて正)。$M$ で調整すると $P(Y(1)=1)$ の推定は $\frac23$、$P(Y(0)=1)$ の推定は $\frac9{20}$ になるが、真の値は $0.2+0.3x+0.4\cdot\frac12$ から $0.7$ と $0.4$。$U_1,U_2$ は独立なので $\emptyset$ のときは裏口の道が合流点 $M$ で遮断され、単純な比較が正しい。3 行目:真の値は $P(Y(x)=1)=E[0.2+0.5W(x)]$ で $x=1$ なら $0.2+0.5\cdot0.9=0.65$、$x=0$ なら $0.25$。$W$ で調整すると $P(Y=1\mid X=x,W=w)=0.2+0.5w$ が $x$ によらず、$\sum_w(0.2+0.5w)P(W=w)=0.45$。4 行目:A でも B でも観察されるのは $(Z,X,Y)=(0,0,0)$ と $(1,1,1)$ が確率 $\frac12$ ずつ。
| 誤り | 正しくは | なぜ |
|---|---|---|
| 相関や単純な比較を因果効果とみなす | 裏口の道を遮断する変数で調整する | ex-ci-confounding |
| 観測した変数は全部調整に入れる | 子孫と、道を開く合流点を除く | 反例の表の 2・3 行目 |
| $X$ と $Y$ の両方に相関する変数を交絡因子とみなす | グラフの裏口の道で判定する | M バイアスの $M$ は $X$ とも $Y$ とも相関するが、入れると誤る |
| ランダム化していない研究で無視可能性を当然とする | 仮定をグラフで述べ、その正しさを別に検討する | 無視可能性は観察できない $Y(x)$ についての仮定である |
| 層に処置群しかないのに外挿する | 正値性を確かめ、なければ対象の集団を絞る | 反例の表の 4 行目 |
構造方程式モデル、切断した積の公式、バックドア基準と調整の公式(式 (25))の概観は Pea09 §3(pp. 103–115)、潜在結果での導出(式 (39)・(40))は同 §4.2(pp. 128–129)にある。この記事の主定理の証明は、無視可能性 $Y(x)\perp X\mid Z$ をグラフから導き、潜在結果の議論につないだものである。観測できない交絡のために裏口の道を遮断できないときも、処置から結果への道の途中の変数を使う多段の調整(Pea09 §3.3.2、p. 116)や、線形のモデルでの操作変数(同 §3.5.2、p. 124)で効果が求まる場合がある。
層ごとと全体で関係の向きが逆になる現象は Simpsonのパラドックス として知られ、ex-ci-confounding はその例である。共通の原因が相関を生む仕組みは 相関と因果 でも扱っている。
Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する