연구진은 상호 간섭이 있는 순차적 환경에서 인과 추론을 연구했어요. N개 단위의 이진 결과가 T번의 시간 단계를 통해 마르코프 속성을 갖는 경우를 고려합니다. 각 시간 단계에서 결과는 Ising 모델을 통해 의존성을 갖습니다. 또한 외부 필드를 통해 치료 효과와 잠재적 교란 변수의 영향을 받습니다.
최대 유사 우도 추정(MPLE)을 기반으로 모델 매개변수를 학습하는 계산적으로 효율적인 방법을 제공하여 관심 있는 인과적 양을 추정합니다. 온건한 가정 하에 매개변수 추정의 비-점근적 일관성을 확립하고, 학습된 모델에서 샘플링한 후 관심 있는 인과적 양을 충실하게 추정할 수 있음을 보여줍니다.
합성 실험과 미국 전역의 카운티별 COVID-19 사망률에 대한 백신 접종률의 인과적 효과를 조사하는 실제 사례 연구를 통해 방법의 효능을 입증합니다.