additive structural equation models 기반 인과추론과 smooth backfitting

Causal inference via additive structural equation models with smooth backfitting

연구 내용

관측데이터에서 additive structural equation model의 구조 비모수 함수를 smooth backfitting으로 추정하여 인과 구조와 변수 순서를 학습하는 연구

본 연구는 관측데이터로부터 인과 구조를 학습하는 문제를 additive structural equation model 형태로 설정하고, 구조 방정식의 비모수 함수를 smooth backfitting 기반 추정으로 도출합니다. 추정 과정은 변수 순서(variable ordering)의 추정을 포함하며, 비모수적 유연성을 통해 변수가 위치한 순서의 일관성을 뒷받침합니다. 또한 잡음의 분산이 입력에 따라 달라지는 heteroscedasticity 조건에서 추정의 강건성을 평가하여 기존 인과학습 접근과의 성능 차이를 보입니다. 결과적으로 비선형 인과 구조 학습에서 통계적 추정과 이론적 보장을 함께 제공하는 방향을 지향합니다.

관련 프로젝트

1건

연구 흐름

최근에는 2024~2029년 인과추론과 고차원 구조 비모수 모형 프로젝트를 중심으로, 관측 기반 인과 구조 학습의 구성요소를 정리하는 데 집중하고 있습니다. 이 흐름에서 2025년 연구는 additive structural equation model의 구조 함수를 smooth backfitting을 적용해 비모수적으로 추정하고, 변수 순서 추정이 일관적임을 보이는 데 초점을 맞춥니다. 또한 시뮬레이션을 통해 노이즈 분포의 이질성에 따른 성능 변화를 분석하고, heteroscedastic 조건에서 강건성이 유지되는지 확인하는 방향으로 연구 궤적을 확장합니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

관측데이터 기반 인과구조 학습
변수 순서(variable ordering) 추정
additive SEM 비모수 추정
Heteroscedasticity 강건 인과추론
구조 방정식 기반 비선형 모델링
비모수 인과 학습 파이프라인
통계적 인과순서 검증
Robust causal learning
Instrumental variable 연계 모델
비선형 반사실 추론 구성