CaSPECT: Discovering Causally Homogeneous Subgroups via Directed Spectral Clustering

기술 요약: CaSPECT – 방향성 스펙트럼 클러스터링을 통한 인과적 동질 하위 집단 발견

1. 문제 정의

전통적인 인과 추론은 전체 인구 또는 관찰된 공변량 유사성에 기반하여 평균 인과 효과(ACE) 또는 조건부 평균 인과 효과(CACE)를 추정하는 데 집중합니다. 그러나 이러한 접근 방식은 개입이 일부 하위 집단에는 유익한 결과를 가져오는 반면 다른 집단에는 해를 끼칠 수 있는 **처치 효과 이질성(treatment effect heterogeneity)**을 은폐할 수 있습니다. 기존의 비지도 학습 기반 인과 클러스터링 방법(예: causal k-means, 계층적 클러스터링)은 대개 추정된 처치 효과 함수를 기반으로 개인을 그룹화하지만, 근본적인 인과적 토폴로지(causal topology)를 무시하는 고전적인 클러스터링 기법에 의존하는 경우가 많습니다. 또한, 많은 방법론이 사전에 지정된 성향 점수(propensity score) 모델을 필요로 하거나, 한계 공변량 분포는 겹치지만 인과 메커니즘은 서로 다른 하위 집단을 식별하는 데 어려움을 겪습니다.

본 논문은 관찰된 특징(feature)의 유사성이 아닌, 개인이 공유하는 인과적 전파 경로(causal propagation pathways)를 통해 잠재적 구조를 발견하는 것을 목표로 하며, 관찰 데이터로부터 **인과적으로 동질한 하위 집단(causally homogeneous subgroups)**을 발견하는 과제를 다룹니다.

2. 방법론: CaSPECT 프레임워크

CaSPECT(Causal Spectral Clustering)는 클러스터링 목적을 특징 공간(feature space)에서 **인과적 토폴로지(causal topology)**로 전환하는 4단계 파이프라인입니다. 이 프레임워크는 학습된 유향 비순환 그래프(DAG)를 기반으로 유사도 그래프를 구축하고, 이 인과 구조에 대해 스펙트럼 클러스터링을 수행합니다.

1단계: DAG 형성 및 방향 설정

프레임워크는 관찰 데이터로부터 완전히 방향이 정해진 DAG($G^*$)를 복구하는 것으로 시작합니다.

1. 골격 복구(Skeleton Recovery): 부트스트랩 안정화된 PC 알고리즘을 사용하여 안정적인 인과 골격을 식별합니다. 에지는 $B$번의 부트스트랩 재표본 추출 과정에서 포함 빈도($f_{uv}$)가 임계값 $\theta$를 초과하는 경우에만 유지되어 위양성을 제한합니다.
2. 방향 검증 점수(Orientation Validation Score, OVS): PC 알고리즘은 마르코프 동등성(Markov equivalence)으로 인해 모든 에지의 방향을 결정할 수 없으므로, CaSPECT는 모호성을 해결하기 위해 새로운 OVS를 도입합니다. OVS는 다음을 결합합니다:
   • 부트스트랩 증거($\delta_{PC}$): PC 알고리즘의 순방향 방향성 증거($f_{uv} \cdot (\rho_{uv} - \rho_{vu})$).
   • LiNGAM 증거($\delta_{L}$): 오차항의 비가우시안성(non-Gaussianity)에 기반한 DirectLiNGAM의 방향성 선호도.
   • 이 점수는 $w_{PC}$와 $w_L$($w_L$은 비가우시안 변수의 수에 따라 스케일링됨)에 의해 가중치가 부여됩니다.
3. 해결 계층(Resolution Hierarchy): $|OVS| \le \gamma$인 에지는 모호한 상태로 남습니다. 이러한 에지들은 Meek의 규칙, 도메인/시간적 순서, 또는 에지 수축(edge contraction)(백도어 기준을 위반하는 에지 대칭화 대신, DAG의 비순환성을 유지하기 위해 노드를 병합함)을 통해 해결됩니다.

2단계: 인과 에지 가중치 추정

DAG의 방향이 결정되면, 백도어 조정 세트를 통해 식별된 평균 인과 효과(ACE)의 크기에 따라 에지에 가중치를 부여합니다.

• 선형 에지(Linear Edges): RESET 테스트를 통해 선형성이 확인되면, 최소제곱법(OLS)을 사용하여 구조적 계수 $\beta_{uv}$를 추정합니다.
• 비선형 에지(Nonlinear Edges): 비선형성이 감지되면, 교차 적합(cross-fitting)을 포함한 이중 머신러닝(Double Machine Learning, DML)을 사용하여 ACE를 추정함으로써 넌스(nuisance) 함수 추정 오류에 대한 강건성을 확보합니다.
• 안정성 가중치(Stability Weighting): 최종 에지 가중치($A^{stab}_{uv}$)는 추정된 ACE 크기와 부트스트랩 포함 빈도($f_{uv}$)의 곱입니다. 이는 불안정한 에지의 기여도를 감쇄시키는 동시에 강력한 인과 신호를 보존합니다.

3단계: Chung 라플라시안 구축 및 스펙트럼 임베딩

가중치 부여된 인접 행렬은 전이 행렬 $P$를 형성하도록 정규화됩니다. CaSPECT는 Chung의 유향 라플라시안(Directed Laplacian, $L = I - \frac{1}{2}(P + P^*)$, 여기서 $P^*$는 시간 역전 행렬)을 활용합니다. 이 연산자는 대칭적이고 양의 준정부호(positive semi-definite)이며, 이를 통해 스펙트럼 분해가 가능합니다.

• 임베딩 차원 $K^*$는 가장 큰 스펙트럼 갭(Cheeger의 부등식)을 기준으로 선택되며, 이는 잘 분리된 인과적 커뮤니티에 해당합니다.
• 데이터는 $L$의 고유벡터로 투영되어, 근접성이 인과적 전파 경로의 유사성을 반영하는 저차원 스펙트럼 임베딩($\tilde{X}$)을 얻습니다.

4단계: 클러스터링

스펙트럼 임베딩 $\tilde{X}$에 표준 k-means 클러스터링을 적용합니다. 최적의 클러스터 수 $k$는 실루엣 점수(Silhouette score)와 갭 통계량(Gap statistic)을 사용하여 선택됩니다.

3. 주요 기여

• 인과적 스펙트럼 클러스터링(Causal Spectral Clustering): 관찰된 공변량 공간이 아닌 학습된 DAG의 토폴로지를 기반으로 개인을 클러스터링하는 프레임워크를 제안하며, 이는 공변량 분포가 겹치는 경우 발생하는 기존 방식의 한계를 해결합니다.
• 방향 검증 점수(OVS): PC 부트스트랩 안정성과 LiNGAM 비가우시안성을 결합하여 에지의 방향을 견고하게 결정하는 하이브리드 메커니즘을 도입하였으며, 표준 가정하에서 일관성(consistency)에 대한 이론적 보장을 제공합니다.
• 에지 수축 vs. 대칭화: 모호한 노드를 병합(수축)하는 것이 에지를 대칭화하는 것보다 우월함을 주장하며, 이는 유효한 백도어 조정 및 인과적 해석에 필요한 비순환성을 보존합니다.
• 이론적 일관성: 전체 파이프라인의 **거의 확실한 일관성(almost-sure consistency)**을 확립하여, 표본 크기 $n \to \infty$일 때 안정적인 골격이 실제 에지 집합을 복구하고, 에지 가중치가 실제 ACE 크기로 수렴하며, 스펙트럼 임베딩 오차가 파라메트릭 속도($O(n^{-1/2})$)로 감소함을 입증했습니다.
• 교란(Confounding)에 대한 강건성: 사전 지정된 성향 점수 모델 없이도 인과적으로 비교 가능한 하위 집단을 식별함으로써 심각한 교란을 교정할 수 있음을 보여줍니다.

4. 결과 및 검증

시뮬레이션 연구

방법론은 알려진 정답(ground truth)이 존재하는 합성 데이터에 대해 세 가지 시나리오로 평가되었습니다:

1. 비가우시안 오차를 가진 선형 DAG: CaSPECT는 표본 크기가 증가함에 따라 개선되는 인과 효과 추정(RMSE 감소)을 보여주었습니다. 그러나 클러스터링 성능(Adjusted Rand Index)은 $n$에 따라 엄격하게 개선되지 않았는데, 이는 스펙트럼 임베딩이 전역적인 인과 구조는 포착하지만 하위 집단을 정의하는 특정 처치-절편 변화(treatment-intercept shifts)에는 덜 민감할 수 있음을 시사합니다.
2. 혼합 선형성(Mixed Linearity): 프레임워크는 DML을 사용하여 비선형 에지에 성공적으로 적응했습니다. 유한 표본에서의 DML 분산으로 인해 RMSE가 약간 증가했으나, 구조적 이질성을 정확히 식별했습니다.
3. 잠재적 교란(Latent Confounding): 인과적 충분성(causal sufficiency)이 완만하게 위반된 상황에서도, 부트스트랩 안정성 가중치는 허위 에지를 효과적으로 억제하여 표본 크기가 증가함에 따라 구조적 복구 및 추정 편향 감소를 가능하게 했습니다.

• 소거 연구(Ablation Studies): OVS를 제거했을 때(PC에만 의존할 때) 방향 결정 정확도와 클러스터링 성능이 크게 저하됨을 확인했습니다. 부트스트랩 안정성 가중치를 제거하는 것은 대규모 표본에서는 영향이 미미했으나, 유한 표본에서의 규제 역할을 강조했습니다. 에지를 대칭화하는 것은 방향 정보를 파괴하여 클러스터링 성능을 저하시켰습니다.

실제 응용 사례

• LaLonde CPS1 데이터셋: CaSPECT는 성향 점수 모델 없이 샘플을 두 개의 클러스터로 성공적으로 분리했습니다.
  • 클러스터 1: 경제적으로 안정적이고, 흑인이 아니며, 결혼한 개인들 (대조군만 포함).
  • 클러스터 2: 경제적으로 취약하고, 다양한 배경을 가진 개인들 (모든 처치 집단 포함).
  • 결과: 전역 ACE는 $-1.70$으로 나타났는데, 이는 심각한 교란을 반영합니다. 분석을 클러스터 2로 제한했을 때, 실험적 벤치마크와 일치하는 통계적으로 유의한 양(+)의 ACE($+1.40$)가 나타났으며, 이는 이 방법이 인과적으로 비교 가능한 하위 집단을 격리하는 능력을 입증합니다.
• IHDP 데이터셋: 파이프라인은 고차원 공변량 불균형에도 불구하고 처치 집단과 대조군 영아를 인과 구조에 따라 별도의 클러스터로 분리했습니다. 또한, 모든 대조군이 포함된 클러스터 1이 실제 잠재적 처치 효과가 더 높다는 점을 정확히 식별하여, 해당 집단의 식별 한계(positivity violation)를 보여주었습니다.
• 401(k) 데이터셋: 방법론은 경제적으로 구별되는 두 가구 하위 집단을 식별했습니다.
  • 클러스터 1: 고소득, 맞벌이 가구.
  • 클러스터 2: 저소득, 외벌이 가구.
  • 결과: 직관과는 반대로, 클러스터 2가 더 큰 처치 효과($9,873 대$7,884)를 보였습니다. 저자들은 이를 클러스터 1 가구는 이미 기존의 저축 채널을 보유하고 있기 때문(대체 효과)으로 해석하며, 클러스터 2에게 401(k) 자격은 진정한 저축 인프라의 확장임을 시사합니다.

5. 의의 및 주장

본 논문은 CaSPECT가 국지적 구조적 개입에 대한 특정 처치 반응을 매핑하는 원칙적인 프레임워크를 제공한다고 주장합니다. 주요 의의는 다음과 같습니다:

• 공변량 유사성으로부터의 분리: 전통적인 CACE나 혼합 SEM 방법론이 한계 분포의 중첩으로 인해 실패하는 지점에서, "변수가 어떤 값을 갖는가"가 아니라 "영향력이 어떻게 흐르는가"에 집중함으로써 중첩된 하위 집단을 성공적으로 구분합니다.
• 암묵적 공통 지지(Common Support) 강제: 개인을 인과적 전파 경로에 기반하여 임베딩함으로써, 명시적인 트리밍(trimming)이나 매칭 없이도 인과적으로 비교 불가능한 관측치를 자연스럽게 분리합니다.
• 발견과 추정의 통합: 인과 발견(DAG 학습), 효과 추정(DML/OLS), 클러스터링(스펙트럼 방법)을 하나의 일관된 파이프라인으로 통합합니다.

저자들은 트레이드오프를 인정합니다. 방법론의 성능은 초기 DAG 형성의 정확도와 인과적 충분성 가정에 의존합니다. 부트스트랩 가중치가 미세한 불확실성을 완화하지만, 근본적으로 잘못 지정된 그래프는 오류를 전파할 수 있습니다. 논문은 CaSPECT를 모든 인과 방법론을 대체하는 도구가 아니라, 전통적인 방법론이 간과하는 잠재적 인과적 체제(causal regimes)를 발견하기 위한 데이터 기반의 보완적 접근 방식으로 위치시킵니다.