[論文レビュー] Estimating Population Average Causal Effects in the Presence of Non-Overlap: A Bayesian Approach

Rachel C. Nethery, Fabrizia Mealli+1 more|arXiv (Cornell University)|May 24, 2018

Advanced Causal Inference Techniques被引用数 2

ひとこと要約

本稿では、データ豊富な領域では木アンサンブルを、データ貧困な領域ではスプラインに基づく外挿を用いることで、因果推定をオーバーラップ領域と非オーバーラップ領域に分離するベイジアンフレームワークを提案する。これにより、最小限のモデル依存性と適切な不確実性の定量化を伴い、オーバーラップが限られている状況でも、母平均因果効果の頑健な推定が可能となり、環境疫学研究における政策的関連性を高める。この手法は元の推定対象を保持するため、政策的意義が高まる。

ABSTRACT

Most causal inference studies rely on the assumption of overlap to estimate population or sample average causal effects. When data exhibit non-overlap, estimation of these estimands requires reliance on model specifications, due to poor data support. All existing methods to address non-overlap, such as trimming or down-weighting data in regions of poor support, change the estimand. In environmental health research, where study results are often intended to influence policy, changes in the estimand can diminish the study's impact, because estimates may not be representative of effects in the population of interest to policymakers. Researchers may be willing to make additional, minimal modeling assumptions in order to preserve the ability to estimate population average causal effects. We seek to make two contributions on this topic. First, we propose a flexible, data-driven definition of propensity score overlap and non-overlap regions. Second, we develop a novel Bayesian framework to estimate population average causal effects with minor model dependence and appropriately large uncertainties in the presence of non-overlap. In this approach, the tasks of estimating causal effects in the overlap and non-overlap regions are delegated to two distinct models, suited to the degree of data support in each region. Tree ensembles are used to non-parametrically estimate individual causal effects in the overlap region, where the data can speak for themselves. In the non-overlap region, where insufficient data support means reliance on model specification is necessary, individual causal effects are estimated by extrapolating trends from the overlap region via a spline model. The promising performance of our method is demonstrated in simulations. Finally, we utilize our method to perform a novel investigation of the causal effect of natural gas compressor station exposure on cancer outcomes.

研究の動機と目的

• データに非オーバーラップが見られる場合に母平均因果効果を推定する課題に対処すること。
• データのトリミングや重み付けの変更によって推定対象が変化するのを避けることで、元の推定対象（母平均因果効果）を保持すること。
• 非オーバーラップ領域において強いパラメトリック仮定に依存しない方法を構築し、信頼性の高い因果推定と適切な不確実性の定量化を実現すること。
• 非オーバーラップが一般的で推定対象の整合性が重要な環境疫学研究において、政策的関連性のある因果推論を可能にすること。
• 傾向スコア分布に基づくデータ駆動型のオーバーラップ領域と非オーバーラップ領域の定義を提示し、モデルの分割を支援すること。

提案手法

• 傾向スコアの分布に基づき、データのサポートが十分な領域と不足している領域を区別するデータ駆動型のオーバーラップ・非オーバーラップ領域の定義を導入する。
• データが豊富なオーバーラップ領域において、非パラメトリックな柔軟性を活かして個別因果効果を推定するため、木アンサンブルモデル（例：ランダムフォレストや因果フォレスト）を用いる。
• 非オーバーラップ領域では、オーバーラップ領域からのトレンドをスプラインに基づいて外挿することで、データが希薄な領域での推定を可能にし、モデル依存性を避けられない状況に対処する。
• 推定プロセスを分離する：オーバーラップ領域ではデータ駆動型モデル、非オーバーラップ領域ではモデルベースの外挿を用いることで、強いパラメトリック仮定への依存を低減する。
• 完全なベイジアンフレームワークを実装し、両モデルを通じて不確実性を一貫して伝搬させ、信用区間が標本誤差とモデル誤差の両方を反映するようにする。
• 事後予測チェックとモデル比較を用いて、シミュレーション研究および実世界の応用における性能を検証し、妥当性と頑健性を確保する。

実験結果

リサーチクエスチョン

• RQ1 傾向スコア分布に非オーバーラップが存在する場合、どのようにして母平均因果効果を推定できるか？
• RQ2 非オーバーラップ領域において強いパラメトリック仮定に依存を最小限に抑えつつ、元の推定対象を保持できる手法を開発できるか？
• RQ3 オーバーラップ領域では木アンサンブル、非オーバーラップ領域ではスプライン外挿を用いる二段階モデルアプローチは、従来の手法と比較して非オーバーラップ状況下でどのように性能を発揮するか？
• RQ4 提案されたベイジアンフレームワークは、データサポートが乏しい領域での不確実性をどのように定量化するか？
• RQ5 本手法を用いて、天然ガスコンプレッサー施設の曝露ががん発症に与える因果効果は何か？

主な発見

• 提案手法は、トリミングや重み付けの変更による推定対象の変更を伴わずに、非オーバーラップが存在する状況でも母平均因果効果を適切に推定できた。
• シミュレーション結果から、本手法はバイアスが低く、信用区間のカバレッジが適切に維持されており、従来の手法よりも非オーバーラップ状況下で優れた性能を示した。
• オーバーラップ領域における木アンサンブルの使用により、過剰適合を避けながらも、個別因果効果の複雑な非線形関係を捉えることができた。
• 非オーバーラップ領域におけるスプラインベースの外挿は、安定的かつ現実的な推定値を提供し、モデル依存性を反映した不確実性を適切に表現した。
• 実世界の応用において、本手法は天然ガスコンプレッサー施設の曝露が特定のがん発症に統計的に有意な因果効果を及ぼすことを明らかにした。これは政策的意義を示唆する。
• ベイジアンフレームワークにより、非オーバーラップ領域における不確実性推定が適切に大きく設定され、データの希薄さに起因する真の認識的不確実性が反映された。