[3G2-GS-2h] 機械学習：推論

[3G2-GS-2h-04] Causal Treeに基づく選択バイアスを考慮した条件付き平均処置効果推定手法に関する一考察

〇坪井 優樹¹、阪井 優太¹、鈴木 佐俊¹、後藤 正幸¹ (1. 早稲田大学)

キーワード：因果推論、処置効果、Causal Tree、選択バイアス、効果検証

企業が施策を講じる際，適切な効果検証を行い，正しい意思決定につなげることは重要な課題である．観測データから施策効果を正しく評価するために，因果推論という考え方がある．近年の因果推論では，ユーザを施策を打つ群と打たない群に分割した後，条件付き平均処置効果（以下，CATE）と呼ばれる，同じ特徴を持つユーザ群における群間の結果の平均値の差を施策効果とする．CATEにより，施策を講じることが有効であるユーザ群の特定が可能になる．ここで，CATE推定手法としてCausal Treeが提案されている．この手法は解釈性が高く，施策効果に影響を与える要因についての分析に有用である．しかし，この手法は施策対象者をランダムに選択する場合のみを対象とする．そのため，ユーザを人為的に選択し系統的な誤差（以下，選択バイアス）が生じる場合は対応できないという問題点がある．
そこで本研究では，Causal Treeをベースとし，選択バイアスが存在する状況に対応したCATE推定手法を提案する．また，人工データセットを用いて実験を行い，提案手法の有効性を示す．さらに，実データセットを提案手法に適用し，実際に分析を行う．