[論文レビュー] Causal effects based on distributional distances

Kwang-Ho Kim, Jisu Kim+1 more|arXiv (Cornell University)|Jun 8, 2018

Advanced Causal Inference Techniques参考文献 44被引用数 5

ひとこと要約

本稿では、平均処置効果（ATE）の代替として分布的効果を捉えるための、反事後的結果密度間のL₁距離を因果効果の尺度とする、革新的なフレームワークを提案する。反事後的密度推定およびL₁距離の二重ロバスト推定量を提案し、漸近的性質とブートストラップに基づく信頼区間を確立。シミュレーションおよび実データを用いた検証により、このアプローチが、平均ベースの手法では捉えきれないような、多重モードのシフトなどの微妙な処置効果を明らかにできることを示している。

ABSTRACT

Comparing counterfactual distributions can provide more nuanced and valuable measures for causal effects, going beyond typical summary statistics such as averages. In this work, we consider characterizing causal effects via distributional distances, focusing on two kinds of target parameters. The first is the counterfactual outcome density. We propose a doubly robust-style estimator for the counterfactual density and study its rates of convergence and limiting distributions. We analyze asymptotic upper bounds on the $L_q$ and the integrated $L_q$ risks of the proposed estimator, and propose a bootstrap-based confidence band. The second is a novel distributional causal effect defined by the $L_1$ distance between different counterfactual distributions. We study three approaches for estimating the proposed distributional effect: smoothing the counterfactual density, smoothing the $L_1$ distance, and imposing a margin condition. For each approach, we analyze asymptotic properties and error bounds of the proposed estimator, and discuss potential advantages and disadvantages. We go on to present a bootstrap approach for obtaining confidence intervals, and propose a test of no distributional effect. We conclude with a numerical illustration and a real-world example.

研究の動機と目的

• 平均差を超える分布シフトを捉えることができない平均処置効果（ATE）の限界を是正すること。
• 観察研究における処置群および対照群の反事後的結果密度を推定する手法を開発すること。
• 反事後的密度間のL₁距離に基づく因果効果尺度を定義し、分布全体の差を捉えること。
• 一貫性および漸近正規性の理論的保証を伴うL₁距離の二重ロバスト推定量を提供すること。
• 提案された因果効果尺度の有効な推論を、ブートストラップに基づく信頼区間によって可能にすること。

提案手法

• 因果効果を反事後的結果密度間のL₁距離として定義：$ D(Q^1, Q^0) = \bigintsss |q^1(u) - q^0(u)| du $。
• カーネルスムージングと逆確率重み付けを用いた、反事後的密度の新しい非パラメトリック推定量を提案。
• 結果回帰モデルと感受性スコアモデルを組み合わせることで、L₁距離の二重ロバスト推定量を構築。
• 有界な密度サポートおよび滑らかさの正則性条件を満たす条件下で、推定量の一致性および漸近正規性を確立。
• 推定方程式の再サンプリングを用い、推定量の漸近分布を利用することで、ブートストラップに基づく信頼区間を構成。
• 経験的影響関数と弱収束の議論を用いて、ブートストラップ手順の妥当性を裏付ける。

実験結果

リサーチクエスチョン

• RQ1 反事後的結果密度間のL₁距離は、平均処置効果よりも情報量の多い因果効果尺度として機能できるか？
• RQ2 欠損した潜在的アウトカムを伴う観察研究において、反事後的結果密度を一貫して推定する方法は何か？
• RQ3 モデル誤指定下でのL₁距離推定量の漸近分布は何か？ そして、これを二重ロバストにできるか？
• RQ4 弱い正則性条件のもとで、L₁距離の有効なカバレッジを維持するブートストラップに基づく信頼区間を構築できるか？
• RQ5 L₁距離は、平均ベースの尺度では検出できない、多重モードのシフトやサブグループの異質性といった処置効果をどの程度明らかにできるか？

主な発見

• L₁距離は、平均と分散が同一の合成例においても、平均処置効果（ATE）がゼロのままでも、重要な分布的差（例：多重モードのシフト）を検出可能であることが示された。
• 提案されたL₁距離の二重ロバスト推定量は、有界な密度サポートおよび結果回帰関数・感受性スコア関数の滑らかさといった、緩い正則性条件のもとで、root-nの一貫性および漸近正規性を達成する。
• L₁距離のブートストラップに基づく信頼区間は、有限標本でも有効なカバレッジを維持しており、理論的裏付けおよびシミュレーション研究によって裏付けられている。
• L₁距離は結果の単調変換に対して不変であるため、特定の応用ではL₂距離よりもよりロバストである。
• L₁距離の半分は、処置群と対照群における事象確率の最大差に対応し、処置効果の解釈可能な上限（例：結果集合確率の差が最大31.4％まで）を提供する。
• シミュレーションスタディにおいて、本手法はATEがゼロである場合でも分布的シフトを的確に検出でき、処置効果の隠れた異質性を明らかにできることを示した。