学習したインストゥルメント表現による因果効果推定
arXiv stat.ML / 2026/4/8
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、操作変数（IV）による因果推論における重要な限界、すなわち現実の観測データ状況では有効な操作変数がしばしば利用できない、または同定が困難である点に取り組む。
- 観測された共変量から「操作変数表現（instrumental representations）」を導出し、明示的な操作変数が存在しない場合でもIV型の推定を可能にする表現学習の枠組み（ZNet）を提案する。
- ZNetのアーキテクチャは、IVの構造因果モデルを反映するよう設計されており、特徴を混同行為（confounding）成分と操作変数成分に分解し、操作変数の妥当性（関連性、排除制約、操作変数の操作変数非混同行為性）に結び付いたモーメント条件によって学習する。
- 本手法は、多くの下流の二段階IV推定器と互換であることが位置付けられており、因果効果推定のためのモジュール部品として機能する。
- 実験により、ZNetが存在する場合には既知の真の操作変数を回復でき、存在しない場合には埋め込み空間内で潜在的な操作変数を構築できることが示唆される。
