본 논문은 상호 작용하는 구성 요소들의 집합으로 표현될 수 있는 실제 세계 시스템(예: 컴퓨팅 시스템, 자연 시스템, 사회 시스템)에서 개별 수준의 잠재 결과와 인과 효과를 추정하기 위한 구성적 접근 방식을 제시합니다. 기존 접근 방식과 달리, 본 논문에서는 각 단위를 여러 이종 구성 요소들의 인스턴스별 구성으로 표현하고, 단위 수준의 개입이 구성 요소 수준의 결과에 미치는 영향을 명시적으로 모델링하여 단위 수준의 인과적 질문을 더 세분화된 질문으로 분해합니다. 모듈형 신경망 아키텍처를 사용하여 이 접근 방식을 보여주고, 관찰 데이터로부터 인과 효과를 추정하는 데 있어 정확성 향상, 표본 효율성 증가, 처리군과 대조군 간의 중첩 개선, 그리고 보이지 않는 구성 요소 조합을 가진 단위에 대한 구성적 일반화와 같은 이점을 제공함을 보여줍니다. 특히, 구성 요소 수준의 결과가 관찰되지 않더라도 구성 모델링이 인과 추정의 정확도를 향상시킬 수 있음을 보여줍니다. 실제 세계 평가 환경을 만들어 구성적 접근 방식의 실증적 평가를 수행하고, 구성 구조, 구성 요소 수준 데이터 접근의 양, 구성 요소 이질성이 구성 모델의 성능에 미치는 영향을 비구성적 접근 방식과 비교하여 보여줍니다.
