인과 그래프 모형에서 어떤 관찰식이 목표 개입분포를 식별하는지 확인하는 문제를 정식화한 논문이다. 핵심은 “식별 가능한가”를 찾는 기존 과제와 달리, 이미 제시된 후보식이 정말 맞는지 판별하는 데 있다. 초록과 서론에 따르면 이 문제는 graph, treatment, outcome 변수와 후보 관찰식을 입력으로 받아 목표 개입분포를 식별하는지 따진다. 동료검토 전 arXiv에 공개된 첫 원고 상태에서 제시된 결과다.
연구진은 기존의 식별 알고리즘만으로는 이 검증을 풀 수 없다고 본다. ID처럼 사운드하고 완전한 알고리즘은 식별식이 존재할 때 하나를 돌려주지만, 그와 다른 대안식이 식별식인지 여부는 결정하지 못한다. do-calculus의 증명 탐색도 후보식의 도출 가능성만 반쯤 판정할 뿐, 없을 때는 끝없이 돌 수 있다. 그래서 이 논문은 검증을 식별과 나란한 별도 문제로 놓는다.
해법의 첫 단계로는 falsifier를 제안한다. 정리 4.9에 따르면, regular conditional exponential-family model에서는 이 falsifier가 거의 surely correct verifier를 유도한다. 문헌 카드는 이 보장이 선택한 parametric family에 상대적인 것임을 분명히 한다. 즉, 증명된 성질은 full non-parametric graphical model 전체가 아니라 falsifier가 사용한 parametric submodel에 대해 성립한다.
논문은 검증기를 바탕으로 gateway test도 만든다. 이 테스트는 front-door formula에 사용할 수 있는 admissible set을 모두 찾는다고 설명된다. 그림 1과 부록 H, 그리고 p.4의 설명에 따르면, front-door 식에 들어갈 집합을 판별하는 용도다. 한편 카드에 잡힌 범위 안에서는 이 테스트의 정량적 성능이나 실데이터 검증 결과는 보이지 않는다.
예시로는 선형 Gaussian 설정이 제시된다. p.8에서는 latent variable을 포함한 특정 DAG와 centered linear Gaussian model을 두고, 유도된 joint, observed joint, interventional distribution가 모두 Gaussian이라고 적는다. 같은 쪽에서 admissible formula 출력은 평균이 t에 대해 affine하고 공분산은 t와 무관하므로, 고정된 매개변수에서는 평균 함수와 공분산 행렬을 비교해 판정할 수 있다고 설명한다. 비교는 |T|+1개의 affinely independent intervention values에서 이뤄진다.
| 구분 | 원문 근거 | 의미 |
|---|---|---|
| 검증 문제 | given a graph, treatment and outcome variables, and a candidate observational formula, decide whether that formula identifies the target interventional distribution | 인과 그래프에서 후보식이 목표 개입분포를 식별하는지 판정 |
| falsifier의 보장 | For regular conditional exponential-family models, we prove that this induces an almost-surely correct verifier relative to the chosen parametric family | 선택한 parametric family에 대해 거의 surely correct verifier 유도 |
| gateway test | which finds all sets admissible for use in a front-door formula | front-door formula에 사용할 수 있는 admissible set 전부 탐색 |
| 선형 Gaussian 판정 | admissible formula outputs have mean affine in t and covariance independent of t | 평균·공분산 비교로 판정 가능 |
자료: STORIUM 정리
결론적으로 이 작업은 “식별식을 찾는 문제” 옆에 “주어진 식이 맞는지 확인하는 문제”를 세운다. 사운드·완전한 식별 도구가 있어도 검증이 자동으로 해결되지는 않는다는 점을 분명히 하면서, regular exponential-family 모델에서는 almost-surely correct한 검증 경로를 제공한다. 또 front-door로 향하는 admissible set 탐색까지 연결해, 인과식 검증을 절차적 도구로 옮기려는 시도를 보여준다.
저작권자 © STORIUM 무단전재 및 재배포 금지
