두-연산 미적분 (Do-Calculus)
쉽게 풀면
'비가 오는 날 우산을 쓴 사람이 많다'를 관찰하는 것과 '모든 사람에게 우산을 강제로 씌운다면 비가 올 확률이 바뀔까'라는 개입을 상상하는 것은 전혀 다른 질문이다. 두-연산 미적분은 이 두 가지를 do(·)라는 기호로 명확히 구분하고, 인과 그래프의 구조만 주어지면 개입의 결과(인과효과)를 순수하게 관찰된 자료의 확률만으로 계산할 수 있는지, 그리고 어떻게 계산해야 하는지를 알려주는 완전한 규칙 체계다. 주디아 펄이 정립한 이 이론은 현대 인과추론 이론의 수학적 기반 중 하나로 평가받는다.
왜 중요한가
실험이 불가능하거나 비윤리적인 상황(예: 흡연이 건강에 미치는 영향)에서도 관찰자료만으로 인과관계를 추정하려는 시도가 많아, 두-연산 미적분은 인과추론 이론의 핵심 도구로 다뤄집니다. 이 규칙 체계는 언제 관찰자료가 개입효과를 대신할 수 있는지에 대한 엄밀한 기준을 제공하기 때문에, 역학·경제학·사회과학 등 실험이 제한적인 분야의 인과추론 연구에서 이론적 근거로 널리 인용됩니다. 또한 머신러닝 분야에서도 인과성을 고려한 모델을 설계할 때 이 틀이 참고됩니다.
논문에서는 이렇게 쓰입니다
인과 그래프가 주어졌을 때 인과효과가 관찰자료로부터 원리적으로 식별 가능한지를 형식적으로 증명하는 데 사용된다.
역학 분야에서는 관찰 연구로 얻은 자료만으로 특정 노출 요인이 질병에 미치는 인과적 영향을 추정할 수 있는지 판단할 때 이 방법론이 근거로 제시됩니다.
사회과학이나 정책 연구에서는 특정 정책을 시행했을 때의 효과를 추정하기 위해 어떤 변수들을 통제해야 하는지를 이 이론을 통해 도출합니다.
조금 더 깊게 보면
두-연산 미적분은 크게 세 가지 규칙(개입의 삽입·삭제, 행동을 관찰로 바꾸기, 개입을 행동으로 바꾸기)으로 구성되며, 이 규칙들을 인과 그래프에 순차적으로 적용해 개입효과를 관찰 가능한 확률식으로 바꿀 수 있는지 판단합니다. 식별이 가능한 경우 흔히 "backdoor criterion(백도어 기준)"이나 "front-door criterion(프론트도어 기준)"이라는 더 구체적인 조정 방법이 함께 언급되기도 합니다. 다만 이 모든 절차는 인과 그래프가 실제 인과구조를 정확히 반영한다는 전제에 의존하므로, 그래프 설정의 타당성이 논문에서 함께 검토되는 경우가 많습니다.
주의할 점
두-연산 미적분은 인과 그래프의 구조가 올바르게 특정되었다는 전제 위에서 작동하므로, 그래프 자체가 잘못되면 식별 결과도 무의미해진다.