[論文レビュー] Efficient estimation of modified treatment policy effects based on the generalized propensity score

Nima S. Hejazi, David Benkeser+2 more|arXiv (Cornell University)|May 11, 2022

Advanced Causal Inference Techniques被引用数 4

ひとこと要約

本稿では、連続的処置下での修正処置方針（MTP）効果を推定する非パラメトリックで効率的な逆確率重量付き（IPW）推定量を、柔軟なシーブベースの一般化処置スコア（GPS）推定量を用いて提案する。アグノスティックおよびターゲットド・アンダースムージング手順を活用することで、漸近的効率性が達成され、非パラメトリック効率限界に到達する。数値実験では、中程度のサンプルサイズ（n=500）でも、半パラメトリック理論の明示的知識を必要としない二重ロバスト推定量と同等の性能を示す。

ABSTRACT

Continuous treatments have posed a significant challenge for causal inference, both in the formulation and identification of scientifically meaningful effects and in their robust estimation. Traditionally, focus has been placed on techniques applicable to binary or categorical treatments with few levels, allowing for the application of propensity score-based methodology with relative ease. Efforts to accommodate continuous treatments introduced the generalized propensity score, yet estimators of this nuisance parameter commonly utilize parametric regression strategies that sharply limit the robustness and efficiency of inverse probability weighted estimators of causal effect parameters. We formulate and investigate a novel, flexible estimator of the generalized propensity score based on a nonparametric function estimator that provably converges at a suitably fast rate to the target functional so as to facilitate statistical inference. With this estimator, we demonstrate the construction of nonparametric inverse probability weighted estimators of a class of causal effect estimands tailored to continuous treatments. To ensure the asymptotic efficiency of our proposed estimators, we outline several non-restrictive selection procedures for utilizing a sieve estimation framework to undersmooth estimators of the generalized propensity score. We provide the first characterization of such inverse probability weighted estimators achieving the nonparametric efficiency bound in a setting with continuous treatments, demonstrating this in numerical experiments. We further evaluate the higher-order efficiency of our proposed estimators by deriving and numerically examining the second-order remainder of the corresponding efficient influence function in the nonparametric model. Open source software implementing our proposed estimation techniques, the haldensify R package, is briefly discussed.

研究の動機と目的

• 標準推定量がn^{1/2}-レートの効率性を欠く無限次元モデルにおける連続的処置の因果効果推定という課題に対処すること。
• パラメトリックGPS推定量の制限を克服し、逆確率重量付きのロバスト性と効率性を向上させること。
• MTP効果の有効な統計的推論を可能にする十分な速さで収束する柔軟な非パラメトリックGPS推定量の開発。
• 連続的処置が存在する状況において、IPW推定量が非パラメトリック効率限界に到達するための条件を確立すること。
• 有効な影響関数の2次余項を用いて、提案された推定量の高次効率性を評価すること。

提案手法

• 非パラメトリックなシーブ推定量を一般化処置スコア（GPS）に用い、漸近的推論に適した収束レートを保証する。
• 得られたIPW推定量の漸近的効率性を保証するために、GPS推定量にターゲットドおよびアグノスティックなアンダースムージング手順を適用する。
• MTP効果の有効な影響関数（EIF）を導出し、その2次余項を用いて高次効率性を評価する。
• バイアスとバリアンスのバランスを取るために、シーブ推定フレームワークをGPS推定に適用し、非パラメトリック効率性を実現する。
• アンダースムージングパラメータの選択に結果回帰推定を統合することで、推定量の品質を向上させる。
• 実用的応用を可能にするために、オープンソースのhaldensify Rパッケージにこの手法を実装する。

実験結果

リサーチクエスチョン

• RQ1 連続的処置下でMTP効果の効率的推定を可能にする、柔軟な非パラメトリックGPS推定量を構築できるか？
• RQ2 連続的処置が存在する状況において、MTP効果の逆確率重量付き推定量が非パラメトリック効率限界に到達する条件は何か？
• RQ3 特にバイアス、分散、平均二乗誤差の観点から、提案されたIPW推定量は有限標本において二重ロバスト推定量と比べてどの程度の性能を示すか？
• RQ4 アンダースムージング手順の選択（ターゲットド対アグノスティック）が、2次余項およびIPW推定量の全体的な効率性にどの程度の影響を及ぼすか？
• RQ5 時系列の各時点においてGPS推定量を同時にアンダースムージングすることで、縦断的MTPにこの手法を拡張できるか？

主な発見

• 提案されたIPW推定量は、連続的処置設定下でMTP効果の非パラメトリック効率限界に到達しており、この文脈における最初の同定である。
• 数値実験により、アグノスティックアンダースムージングに基づくIPW推定量は、中程度のサンプルサイズ（n=500）でも二重ロバスト推定量と同等に競争力のある性能を示す。
• 有効な影響関数の2次余項は、提案された選択子によって最小化されており、強力な高次効率性の性質を示している。
• アグノスティックアンダースムージング手順は、半パラメトリック効率理論の明示的知識を必要としないまま、従来の二重ロバスト推定量と同等の性能を達成する。
• haldensify Rパッケージは、提案手法の実装に成功しており、推定量の実用的応用を可能にしている。
• 結果回帰が不適切に推定されても、この手法はロバストであるため、感度分析やより広範な応用への可能性を示唆している。