[論文レビュー] Estimating heterogeneous effects of continuous exposures using Bayesian tree ensembles: revisiting the impact of abortion rates on crime

Spencer Woody, Carlos M. Carvalho+2 more|arXiv (Cornell University)|Jul 20, 2020

Advanced Causal Inference Techniques参考文献 47被引用数 10

ひとこと要約

本稿では、交絡要因に関するパラメトリックな仮定を必要とせず、連続的な曝撃要因の異質的因果効果を推定するベイジアンツリーエンsemble手法を提案し、その手法を用いて中絶と犯罪の関係に関する仮説を再検討する。この手法は、調節要因による効果の変容を同定し、中絶が犯罪率に与える負の因果効果に強く支持が得られることを示しており、その異質性の一部は州レベルの福祉支出によって説明可能である。

ABSTRACT

In estimating the causal effect of a continuous exposure or treatment, it is important to control for all confounding factors. However, most existing methods require parametric specification for how control variables influence the outcome or generalized propensity score, and inference on treatment effects is usually sensitive to this choice. Additionally, it is often the goal to estimate how the treatment effect varies across observed units. To address this gap, we propose a semiparametric model using Bayesian tree ensembles for estimating the causal effect of a continuous treatment of exposure which (i) does not require a priori parametric specification of the influence of control variables, and (ii) allows for identification of effect modification by pre-specified moderators. The main parametric assumption we make is that the effect of the exposure on the outcome is linear, with the steepness of this relationship determined by a nonparametric function of the moderators, and we provide heuristics to diagnose the validity of this assumption. We apply our methods to revisit a 2001 study of how abortion rates affect incidence of crime.

研究の動機と目的

• 連続的曝撃要因の因果効果を推定する際、交絡要因が結果と非線形的に関連する場合に生じるパラメトリックモデルの限界を克服すること。
• 制御変数の関数形を事前に指定しない、半パラメトリックなベイジアンモデルを構築し、異質的処置効果を許容すること。
• モデル仕様における研究者による自由度を低減し、因果推論における再現可能性を高めること。
• 2001年にドノフーとレヴィットが提示した中絶と犯罪に関する議論の対象となった研究を、より柔軟で頑健な手法で再評価すること。
• 曝撃要因と結果の関係における線形性仮定の妥当性を、ヒューリスティックなチェックを用いて診断すること。

提案手法

• 制御変数および調節要因の非パラメトリック関数の和として結果をモデル化するために、ベイジアン加法的回帰木（BART）を用いる。
• 制御関数（交絡要因）の推定と、処置・調節関数（効果の変容）の推定を分離する。
• 曝撃要因と結果の間に線形関係を仮定し、その傾きを調節要因の非パラメトリック関数が調整する。
• モデルの適合度と線形性仮定の検証に、事後予測チェックおよび部分残差プロットを用いる。
• 両方の関数（制御および調節）に対して階層的事前分布を適用し、安定性と縮小効果を向上させる。
• 事後要約統計量を用いて平均処置効果および州レベルの異質的効果を推定する。

実験結果

リサーチクエスチョン

• RQ1 中絶が犯罪に与える因果効果は、州ごとに異なるか。もし異なるならば、どのような要因がその差を調節しているか。
• RQ2 中絶と犯罪のデータの文脈において、曝撃要因と結果の関係における線形性仮定は妥当か。
• RQ3 非パラメトリックな制御関数を備えた半パラメトリックなベイジアンモデルは、パラメトリックモデルよりも、ドノフーとレヴィットの元の発見をより頑健に再現できるか。
• RQ4 中絶と犯罪の関係における効果の異質性は、州レベルの福祉支出とどのように関連しているか。
• RQ5 モデルの柔軟性が、研究者による自由度をどの程度低減させ、因果推論における再現性を向上させるか。

主な発見

• モデルは、殺人、暴行犯罪、財産犯罪における中絶の因果効果が負であるという強い事後的支持を得ており、ドノフーとレヴィット（2001）の結果と整合的である。
• 部分残差プロットやLoessスムージングを含む診断チェックにより、曝撃要因効果の線形性仮定が支持されている。シミュレーションでは、真の曝撃関数と密接に一致している。
• 中絶が犯罪に与える因果効果が、低所得世帯の子どもを扶養するための福祉支出が高い州で弱まっているという、示唆的な証拠がある。
• モデルは、州間での処置効果に説明不能な大きな異質性を同定しており、さらなる調節要因が存在することを示唆している。
• 繰り返しのモデル適合に起因する多重性の問題を回避するため、一貫したモデル枠組み内で効果の異質性を推定している。
• 処置を変容させる関数の事後要約統計量から、州ごとの効果サイズのパターンが明らかになり、信頼区間が個々の州の推定における不確実性を示している。