导语：
近日，广东工业大学计算机学院数据挖掘与信息检索(DMIR)实验室与鹏城实验室、MBZUAI、滴滴中国出行合作的论文 Long-Term Individual Causal Effect Estimation via ldentifiable Latent Representation Learning 被国际人工智能联合会议IJCAI 2025 (International Joint Conferences on Artificial Intelligence)接收。IJCAI是人工智能领域顶级国际学术会议之一，也是CCF-A类会议。下面带来该论文的详细解读。
1 研究背景
估计长期因果效应在多个领域正变得越来越重要，例如医疗保健、公共教育、市场营销和公共政策等。在这些长期场景中，通常很难开展随机对照实验来估计因果效应。因此，许多研究者转而使用更容易获取的观察数据。然而，基于观察数据的方法受到潜在混淆偏差问题的困扰。因此，将观察数据与实验数据结合，成为估计长期因果效应的一种有前景的解决方案。
现有基于数据融合的方法，主要依赖所谓的替代变量（surrogate）来估计长期效应。如图1所示，替代变量
是短期结果，在观察数据中作为长期结果
的替代。由于潜在混淆变量
的存在，这类观察数据通常不满足无混淆假设（unconfoundedness assumption）。为替代该假设，近年来的方法提出各种较弱的替代假设：1.潜在无混淆假设（latent unconfoundedness）的假设，即
,
，隐含地假设潜在混淆因子
不影响长期结果
，如图1a所示; 2.加性等混淆偏差假设（additive equi-confounding bias assumption），即短期与长期潜在结果变量的混淆偏差程度相同，如图1b所示。
然而，上述方法面临一个核心挑战：潜在无混淆和加性等混淆偏差这两类假设过于理想，在真实世界中往往无法成立，这大大限制了其实用性。为应对这一挑战，我们致力于在不依赖这些假设的前提下，估计个体层面的长期因果效应（如图1c所示）。具体地，我们不再假设潜在无混淆（unconfoundedness assumption）或等混淆偏差（additive equi-confounding bias assumption），而是通过研究潜在混淆因子
的可识别性来估计长期因果效应。为识别潜在混淆因子
，我们引入一个辅助变量
，该变量可以通过先验知识轻松获取，例如现实应用中数据的天然异质性。基于对
的可识别性，我们建立了长期因果效应的可识别结果，并进一步提出了一个基于潜在表示学习（latent representation learning）的估计器，用于估计长期个体因果效应。大量的实验表明我们的ICEVAE方法在三种长期场景模拟数据集和两种长期半合成数据集IHDP，TWINS上均优于最先进的长期因果效应估计方法。
图 1三种长期场景的因果图
2 基于潜在表示学习的长期因果效应估计方法（ICEVAE）
长期因果效应估计器如图2所示，由三个模块组成：短期潜在结果估计模块、潜在表示学习模块以及个体处理效应（ITE）估计模块。
在短期潜在结果估计模块中，我们使用实验数据训练估计器来估计
，因为它是可识别的，即等价于
。损失函数如下所示：
在潜在表示学习模块中，我们利用变分推断（variational inference）来学习混淆因子
的潜在表示。预处理变量
、处理变量
以及由短期潜在结果估计模块得到的短期潜在结果
被共同作为
的代理变量，以确保有足够信息来恢复
。此外，辅助变量
被用作先验知识，确保潜在混淆因子
的可识别性。损失函数中对应的部分如下：
在ITE估计模块中，我们基于已学习的
，训练一个估计器来预测处理组和对照组中的潜在结果，最终得出个体处理效应
的估计值。损失函数对应的部分如下所示：
需要注意的是，第一个模块（短期潜在结果估计）是在实验数据上训练的，以确保短期潜在结果的可识别性；而其余两个模块则是在观察数据上训练的，因为长期结果只能从观察数据中获取。
最终整个网络模型的总损失函数如下所示：
图 2 ICEVAE网络框架
3 实验结果
ICEVAE方法在三种长期场景模拟数据集和两种长期半合成数据集IHDP，TWINS上均优于最先进的长期因果效应估计方法，证明了所提出方法的有效性。
表1 ICEVAE方法在不同生成机制模拟数据上的实验结果
表2 ICEVAE方法在不同强度混淆下的模拟数据实验结果
表3 ICEVAE方法在半合成数据上的实验结果
邮编：510006 地址：广州市番禺区广州大学城广东工业大学工学馆一号馆723室