[論文レビュー] Minimax Rates and Adaptivity in Combining Experimental and Observational Data

Shuxiao Chen, Bo Zhang+1 more|arXiv (Cornell University)|Sep 22, 2021

Advanced Causal Inference Techniques参考文献 45被引用数 5

ひとこと要約

本稿は、平均処置効果を推定するために、無作為化比較試験（RCT）と観察データを組み合わせる際のミニマックス最適レートを確立し、未測定の交絡要因の大きさを事前に知らない状態でも最適な推定効率を達成できる完全に適応的なアンカーティングスレッショニング推定量を提案する。驚くべきことに、推定においては適応が可能である一方で、信頼区間長については情報理論的に不可能であることが判明し、推定と推論の間に根本的なトレードオフが存在することが明らかになった。

ABSTRACT

Randomized controlled trials (RCTs) are the gold standard for evaluating the causal effect of a treatment; however, they often have limited sample sizes and sometimes poor generalizability. On the other hand, non-randomized, observational data derived from large administrative databases have massive sample sizes and better generalizability, but they are prone to unmeasured confounding bias. It is thus of considerable interest to reconcile effect estimates obtained from randomized controlled trials and observational studies investigating the same intervention, potentially harvesting the best from both realms. In this paper, we theoretically characterize the potential efficiency gain of integrating observational data into the RCT-based analysis from a minimax point of view. For estimation, we derive the minimax rate of convergence for the mean squared error, and propose a fully adaptive anchored thresholding estimator that attains the optimal rate up to poly-log factors. For inference, we characterize the minimax rate for the length of confidence intervals and show that adaptation (to unknown confounding bias) is in general impossible. A curious phenomenon thus emerges: for estimation, the efficiency gain from data integration can be achieved without prior knowledge on the magnitude of the confounding bias; for inference, the same task becomes information-theoretically impossible in general. We corroborate our theoretical findings using simulations and a real data example from the RCT DUPLICATE initiative [Franklin et al., 2021b].

研究の動機と目的

• 高精度ではあるがサンプルサイズが限られるRCTと、大規模で一般化可能ではあるが交絡要因がある観察データを統合し、因果効果を推定する課題に対処すること。
• ミニマックスリスク下でのデータ統合による効率的向上を理論的に特徴づけ、推定と推論に焦点を当てる。
• 未測定の交絡要因の大きさを事前に知らない状態でも、適応的手法が最適な性能を達成できるかを調査すること。
• 推定においては可能であるが、推論においては適応が不可能であるという根本的限界を明確にすること。

提案手法

• RCTと観察データを用いた平均処置効果の推定における平均二乗誤差のミニマックス収束レートを導出する。
• 未測定の交絡要因の大きさを事前に知らない状態でも、ミニマックスレートに対して対数因子の差異を除き、最適な推定を達成できる完全に適応的なアンカーティングスレッショニング推定量を提案する。
• 信頼区間長に対するミニマックス下界を確立し、未知の交絡要因の大きさに適応することは情報理論的に不可能であることを示す。
• RCTと観察データの2標本モデルを用い、未測定の交絡を伴う線形モデルを仮定し、有界な交絡バイアス制約下でのミニマックスレートを導出する。
• ガウス型スケール混合と濃縮不等式を用いて、さまざまなバイアス領域における信頼区間長の下界を導出する。
• シミュレーションとDUPLICATE RCTイニシャチブの実データ応用を通じて理論的知見を検証し、推定性能の向上を実証する。

実験結果

リサーチクエスチョン

• RQ1 RCTと観察データを組み合わせた場合、平均処置効果の推定におけるミニマックス収束レートは何か？
• RQ2 未測定の交絡バイアスの大きさを事前に知らない状態でも、適応的推定量が最適な推定性能を達成できるか？
• RQ3 交絡バイアスの大きさが未知である場合、最適な長さの信頼区間を構築するための適応が可能か？
• RQ4 観察データとRCTデータのサンプルサイズ比が、推定および推論におけるミニマックスレートにどのように影響するか？
• RQ5 未測定の交絡が存在する状況下で、推定と推論における適応性の根本的トレードオフは何か？

主な発見

• 推定における平均二乗誤差のミニマックスレートは、$ \frac{1}{\sqrt{n_c / \sigma_c^2 + n_o / \sigma_o^2}} $ のオーダーである。ここで $ n_c $ と $ n_o $ はそれぞれRCTおよび観察データのサンプルサイズを表す。
• 提案されたアンカーティングスレッショニング推定量は、多対数因子の差異を除きミニマックスレートに達し、交絡バイアスの大きさを事前に知らない状態でも最適な推定が可能である。
• 推論においては、信頼区間長のミニマックスレートが $ \frac{1}{\sqrt{n_c / \sigma_c^2 + n_o / \sigma_o^2}} + \left( \frac{\sigma_c}{\sqrt{n_c}} \land \overline{\Delta} \right) $ である。ここで $ \overline{\Delta} $ は未測定の交絡バイアスの上限を表す。
• 推論における適応は情報理論的に不可能である：交絡バイアスの大きさを知らない状態で、信頼区間長のミニマックスレートを達成できる推定量は存在しない。
• シミュレーションおよびDUPLICATE RCTイニシャチブの実データ例から、アンカーティングスレッショニング推定量が、RCTのみまたは観察データのみの推定量と比較して平均二乗誤差を顕著に低減することが確認された。特に交絡が小さい場合には顕著な性能向上が得られた。
• 交絡が無視できる場合、観察データの統合による効率的向上は顕著であるが、推論における適応の欠如は、バイアスの大きさを知らない状態で最適な信頼区間カバレッジを達成する上で根本的な制限をもたらす。