[論文レビュー] Combining multiple observational data sources to estimate causal effects

Shu Yang, Peng Ding|arXiv (Cornell University)|Jan 2, 2018

Advanced Causal Inference Techniques参考文献 66被引用数 10

ひとこと要約

本稿では、因果効果推定の効率性を向上させつつ一貫性を保ちながら、大規模な主観察データと、交絡要因の情報を含む小規模な検証データを組み合わせる一般枠組みを提案する。検証データに基づく推定量と主データに基づく推定量の相関を、キャリブレーションされた補正によって活用することで、未測定交絡要因のパラメトリックモデルを必要とせず、標準的なソフトウェアルーチンとブートストラップ手順を用いて実装可能な手法が得られる。

ABSTRACT

The era of big data has witnessed an increasing availability of multiple data sources for statistical analyses. We consider estimation of causal effects combining big main data with unmeasured confounders and smaller validation data with supplementary information on these confounders. Under the unconfoundedness assumption with completely observed confounders, the smaller validation data allow for constructing consistent estimators for causal effects, but the big main data can only give error-prone estimators in general. However, by leveraging the information in the big main data in a principled way, we can improve the estimation efficiencies yet preserve the consistencies of the initial estimators based solely on the validation data. Our framework applies to asymptotically normal estimators, including the commonly-used regression imputation, weighting, and matching estimators, and does not require a correct specification of the model relating the unmeasured confounders to the observed variables. We also propose appropriate bootstrap procedures, which makes our method straightforward to implement using software routines for existing estimators.

研究の動機と目的

• 大規模な観察データにおいて未測定交絡要因の影響を受ける問題に対処し、小規模な検証サンプルから得られる補足的な交絡要因データを統合することにより、因果効果推定の精度を向上させること。
• 検証データのみを用いた場合に達成可能な水準を上回る推定の効率性を向上させつつ、一貫性を維持すること。
• 未測定交絡要因の複雑なモデリングを回避し、既存の推定量を活用できる実用的でソフトウェアフレンドリーな手法を開発すること。
• 柔軟でパラメトリックな補正を用いることで、主データと検証データのサンプル間の不均一性に対する感度分析を可能とすること。

提案手法

• 無交絡性の下で、検証データを用いて一貫した初期推定量を構築する。
• 主データから得られる誤差を伴う推定量を定義し、これは初期推定量と相関関係にあり、未測定交絡要因のためバイアスを有する。
• 2つの推定量の差をゼロの推定量としてモデル化することで、補正を実施し、線形結合を用いて効率性を向上させる。
• 漸近理論を用いて、分散を最小化しつつ一貫性を保つ最適な重みを導出する。
• 標準的なソフトウェアを用いて既存の推定量を実装可能とするため、ブートストラップ手順を提案する。
• 正則性条件の下で、回帰補完、逆確率プロビニシング、マッチングなど、広範な推定量クラスに適用可能である。

実験結果

リサーチクエスチョン

• RQ1 未測定交絡要因に関する情報が小規模な検証サンプルでのみ入手可能な状況において、因果効果推定の効率性をどのように向上させられるか？
• RQ2 大規模な主データと小規模な検証データを組み合わせることで、因果推論における一貫性と高い効率性を両立させられるか？
• RQ3 未測定交絡要因と観測変数の関係の正しく指定されたモデルを必要とせず、複数のデータソースからの情報を統合する実用的でモデルフリーなアプローチは何か？
• RQ4 推定プロセスにおいて、主データと検証データの間の潜在的な不均一性をどのように扱えるか？
• RQ5 既存のソフトウェアルーチンを用いて、効率的な因果推定量を計算可能に実装するための計算的に実行可能な手法は何か？

主な発見

• 提案手法は、無交絡性の下で一貫性を保ちつつ、初期の検証データのみを用いた推定量よりも高い推定の効率性を達成する。
• 本フレームワークは、回帰補完、逆確率プロビニシング、マッチングを含む、広範な漸近正規推定量のクラスに適用可能である。
• 未測定交絡要因と観測変数の関係の正しいパラメトリックモデルを必要としない。
• ブートストラップに基づく推論は実行可能で実用的であり、既存の推定量を標準的なソフトウェアで実装可能である。
• 系統的差を定量化するパrameter δ を導入することで、主データと検証データの推定量の差に対する感度分析を実施できる。
• モデルの誤指定に対してもロバストであり、検証サンプルが主データからの単純無作為標本でない場合でも有効である。