다중값 인과확률의 닫힌형 경계: 재귀에서 비재귀까지

초록

본 논문은 구조인과모델(SCM) 내에서 다중값 처리와 결과를 갖는 인과확률(PoC)의 닫힌형 상·하한을 제시한다. 등가 클래스와 교체 가능성 원리를 도입해 모든 이산 PoC를 대표적인 몇 가지 형태로 축소하고, 실험·관찰 분포만으로 계산 가능한 명시적 식을 제공한다. 제시된 경계는 모든 차원에서 sound(정당성)를 증명했으며, 저차원(3·4값)에서는 Balke의 선형계획법을 통해 tight(최적)임을 실증하였다. 시뮬레이션 결과는 기존 Li‑Pearl의 재귀형 경계보다 일관되게 더 좁으며 계산 복잡도도 낮다. 의료·금융 등 실제 사례를 통해 실용성을 보여준다.

상세 분석

이 논문은 인과추론 분야에서 오랫동안 binary(이진) 설정에 국한돼 있던 확률적 인과(PoC) 분석을 다중값(m‑valued) 상황으로 확장한다는 점에서 근본적인 진전을 이룬다. 기존 연구(Li & Pearl 2024)는 재귀적 형태의 경계를 제시했지만, 차원이 커질수록 경계가 완화되고 계산 비용이 급증한다는 한계가 있었다. 저자들은 먼저 “등가 클래스(equivalence class)”라는 개념을 도입해, 임의의 이산 PoC를 제한된 대표 집합으로 매핑한다. 이 과정에서 각 값의 순열에 대해 동일한 경계가 적용될 수 있음을 보이는 “교체 가능성(replaceability) 원리”를 증명함으로써, 복잡한 쿼리도 간단히 변형된 형태의 경계식으로 변환한다.

핵심 기술은 네 가지 대표 PoC—PNS(k), PSub(k,p), PRep(k,q), PN(k,p,q)—에 대한 닫힌형 상·하한을 도출한 것이다. 각 정리(Theorem 2‑5)에서는 실험적 인과분포 P(yᵢ|xⱼ)와 관찰적 결합분포 P(xⱼ,yᵢ)를 이용해 최대·최소값을 명시적으로 계산한다. 특히 PNS(k)와 같은 고차원 일반화는 “k개의 서로 다른 처리‑결과 쌍이 동시에 발생할 확률”을 의미하며, 기존 binary PNS를 자연스럽게 포함한다. 경계식은 max/min 연산과 선형 조합으로 구성돼 있어, 복잡한 최적화 없이도 O(n) 시간에 계산 가능하다.

정리의 타당성은 두 단계로 검증된다. 첫째, 모든 차원에 대해 “soundness”를 수학적으로 증명해 제시된 식이 실제 확률값을 초과하거나 미만되지 않음을 보인다. 둘째, 3‑값·4‑값 사례에 대해 Balke의 선형계획법(LP)으로 얻은 최적 경계와 비교해 동일함을 실증한다. 저차원에서 tight함이 확인됐으며, 저자들은 이를 모든 차원으로 일반화하는 conjecture를 제시한다.

실험에서는 Li‑Pearl의 재귀형 경계와 비교해 평균적으로 약 5‑10% 정도 더 좁은 구간을 얻으며, 계산 시간도 수십 배 빠른 것으로 보고한다. 특히 의료 예시(고혈압 치료 3가지 옵션과 3단계 결과)에서 P(y₃x₁, y₁x₂, y₂x₃)와 같은 교차‑처리 인과확률을 구함으로써, 단순 평균 성공률만으로는 파악할 수 없는 “특정 환자가 어느 치료에서 이득·손해를 동시에 겪는” 패턴을 정량화한다. 이는 개인 맞춤형 치료 선택, 위험-이익 균형 평가 등에 직접 활용 가능하다.

한계점으로는 현재 tightness 증명이 차원 일반화에 대해 완전하지 않으며, 복잡한 구조적 가정(예: 교란 변수 존재) 하에서 경계가 얼마나 보수적일지에 대한 이론적 분석이 부족하다. 또한, 실험·관찰 데이터가 충분히 정확히 추정될 경우에만 경계가 의미가 있으므로, 작은 표본이나 높은 노이즈 상황에서는 불확실성이 커질 수 있다. 향후 연구는 고차원 tightness 증명, 연속형(continuous) 변수 확장, 그리고 베이지안 불확실성 전파와 결합한 실용적 추정 방법을 탐색해야 할 것이다.