因果推論のための新しい計算フレームワーク：ILPベースのマッチングと木構造ベースの離散化

要旨: 因果推論は、データ駆動型の意思決定に不可欠です。これは、観測データから因果関係を明らかにしようとするためです。しかし、因果性の特定は、交絡の可能性や「相関」と「因果」の区別といった理由により、依然として困難です。近年、因果機械学習やマッチングアルゴリズムの進展によって推定精度は向上していますが、これらの手法はしばしば、解釈可能性と計算効率の間のトレードオフに直面します。本論文では、因果推論向けに調整された木ベースの離散化技術と、整数線形計画法（ILP）に基づくマッチングアルゴリズムを組み合わせた新しいアプローチを提案します。離散化により、層（strata）内の制御データセットに対しておおよそ線形な関係が保証され、効果的なマッチングが可能になります。一方で、最適化の枠組みはグローバルなバランスを最適化します。その結果得られるアルゴリズムは、計算効率に優れ、最先端のアルゴリズムと比べてよりバイアスの小さいATT推定値をもたらします。実験的評価により、本手法が因果推論の状況において既存の技術に対して実用上の利点を持つことが示されます。