Self-Normalizing Denominators in Rational Causal Estimation

인과효과 추정 공식의 분모가 작으면 '약한 식별'로 보는데, 어떤 분모는 그 진단 자체가 수학적으로 불가능함을 증명한 이론 논문이다.

이 논문은 한마디로 인과 추정식 분모의 '약함'을 판별하는 대수적 기준을 세운 이론 연구다. 도구변수·전정문(front-door)·프록시 같은 인과 추정량은 공분산 다항식의 분수 형태인데, 분모가 작으면 신뢰할 수 없다고 본다. 논문은 특정 부류의 분모는 샘플링 오차가 크기와 정확히 비례해 '분모가 작다'는 경보가 아예 울릴 수 없음을 보였다. 차원 2에서는 완전한 분류를 증명했고, 차원 3에서는 실용 공식 대부분을 커버하는 인자-랭크 판별법을 제시했다.

핵심 요약

• 인과 추정 분모 중 표준화 값이 표본마다 일정한 '자기표준화' 부류를 정의하고, 이런 분모는 약한 식별 1차 극한이 불가능함을 증명했다.
• 중첩된 공분산 소행렬식의 거듭제곱 곱이 모든 차원에서 이 성질을 가지며 정확한 Wishart 피벗을 허용함을 보였다.
• 차원 2의 역방향 분류는 완전하고, 차원 3에서는 도구변수·전정문·프록시 공식을 포괄하는 인자-랭크 판별법을 제시했다.
• 전정문(front-door) 조정은 매개변수 잔차 분산이 사라져도 Wald 추론이 점근적으로 유효함을 증명했다.
• 실제 의료 데이터(우심도카테터) 감사에서 '낯본 진단'과 '분모 관련 진단'이 다른 결론을 내림을 보여주었다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.