연구팀은 데이터가 독립적이고 동일한 분포(i.i.d.)를 따르지 않고, 측정되지 않은 변수가 존재하는 경우 인과 추론이 부정확해질 수 있음을 지적했어요.
구조적 편향은 의존적인 메커니즘 변화를 유발하며, 데이터 환경에 따른 메커니즘 변화를 분석하여 편향되지 않은 변수, 숨겨진 교란 변수가 있는 변수, 선택 편향을 겪는 변수를 식별할 수 있다고 밝혔어요.
StruBI 알고리즘을 통해 실제 데이터에서도 구조적 편향을 정확하게 파악하고, 기존 방법보다 우수한 성능을 보였어요.