Causalità componibile: un kit di strumenti per la scoperta causale sistematica nelle serie temporali e il benchmarking degli effetti dei trattamenti

Abstract degli autori

Le serie temporali multivariate del mondo reale raramente sono accompagnate da una struttura causale di riferimento verificata, perciò la ricerca sulla scoperta causale nelle serie temporali e sulla stima degli effetti dei trattamenti dipende dai dati sintetici. Gli strumenti esistenti sono dataset fissi, che non possono essere modificati dopo la pubblicazione, oppure generatori basati su script, in cui ogni script fissa una combinazione di meccanismo, confondimento e dati mancanti. Nessuno dei due consente esperimenti controllati che varino una singola proprietà, come la sparsità, la distribuzione del rumore o il meccanismo che determina i dati mancanti, mantenendo invariate le altre. La valutazione controfattuale presenta la stessa lacuna, perché i simulatori esistenti sono sviluppati per i singoli articoli, con meccanismi codificati direttamente, oppure producono solo dati osservazionali. Presentiamo DTCD (Datasets and Toolkit for Causal Discovery), una libreria per la generazione di dati che produce serie temporali multivariate con matrici di adiacenza di riferimento, contemporanee e ritardate. Topologia, meccanismo, rumore, maschera osservazionale e policy di intervento sono componenti indipendenti, combinabili tramite la sola configurazione. Gemelli controfattuali appaiati, ottenuti memorizzando la realizzazione stocastica durante la simulazione fattuale e reinserendola durante quella interventistica, consentono di recuperare gli effetti individuali del trattamento con precisione numerica. Un benchmark di riferimento, che valuta otto algoritmi di scoperta su 81 configurazioni e quattro stimatori degli effetti del trattamento su 18 configurazioni, mette in luce modalità di errore nascoste dalle metriche aggregate. Tra queste, l’incapacità dei metodi standard di scoperta di gestire i valori mancanti, indipendentemente dal fatto che il meccanismo che li determina sia informativo, e una scorciatoia basata sulla varianza marginale (varsortability), che misuriamo e rimuoviamo tramite standardizzazione. Codice e dati: https://github.com/hferdous/Composable_Causality