[論文レビュー] Modeling Interference Via Symmetric Treatment Decomposition

Ilya Shpitser, Park, Chan+2 more|arXiv (Cornell University)|Sep 4, 2017

Advanced Causal Inference Techniques参考文献 24被引用数 7

ひとこと要約

本稿では、従来の因果的順序が存在しない干渉設定における伝播効果をモデル化するため、対称的処置分解法を提案する。RobinsとRichardsonの媒介分析フレームワークを、均衡に基づく対称的モデルへと拡張することで、対なりやネットワーク的システムにおける直接効果および間接効果の同定と推定が可能になる。シミュレーションによる検証および、家族データにおける教育と抑うつ症状の因果効果への応用が行われている。

ABSTRACT

Classical causal inference assumes treatments meant for a given unit do not have an effect on other units. This assumption is violated in interference problems, where new types of spillover causal effects arise, and causal inference becomes much more difficult. In addition, interference introduces a unique complication where variables may transmit treatment influences to each other, which is a relationship that has some features of a causal one, but is symmetric. In this paper, we develop a new approach to decomposing the spillover effect into unit-specific components that extends the DAG based treatment decomposition approach to mediation of Robins and Richardson to causal models that admit stable symmetric relationships among variables in a network. We discuss two interpretations of such models: a network structural model interpretation, and an interpretation based on equilibrium of structural equation models discussed in (Lauritzen and Richardson, 2002). We show that both interpretations yield identical identification theory, and give conditions for components of the spillover effect to be identified. We discuss statistical inference for identified components of the spillover effect, including a maximum likelihood estimator, and a doubly robust estimator for the special case of two interacting outcomes. We verify consistency and robustness of our estimators via a simulation study, and illustrate our method by assessing the causal effect of education attainment on depressive symptoms using the data on households from the Wisconsin Longitudinal Study.

研究の動機と目的

• 処置が複数の単位に影響を与える干渉設定における因果推論の課題に対処すること。これは、安定単位処置値仮定（SUTVA）に反する。
• 単位間に因果的順序を必要とする従来のDAGベースの手法の制限を克服すること。これは、対称的干渉状況ではしばしば存在しない。
• 結果が相互に依存し、対称的に関連している場合でも、単位固有の成分（直接効果および間接効果）への伝播効果の分解を可能にするフレームワークを構築すること。
• 最大尤度推定法および二重にロバストな推定法を用いて、これらの成分の統計的推論を可能にすること。特に、2つの相互作用する結果が存在する状況を想定する。
• ワイオミング・リバーサル・スタディのデータを用いて、教育が夫婦の抑うつ症状に与える因果的効果を評価する、実証的検証を行うこと。

提案手法

• メディエーション分析（Robins & Richardson, 2010）における処置分解の対称的一般化を、均衡フィードバックを持つ干渉モデルに提案する。
• 構造方程式を用いて干渉をモデル化し、結果間の安定的かつ対称的な依存関係を、チェーングラフまたはグラフィカルモデルで表現する。
• 因果的順序が存在しない場合でも、単位固有の伝播効果の成分（処置への暴露による直接効果および他の単位を通じた媒介による間接効果）を定義する。
• 対称的関係と均衡プロセスを許容する半パラメトリックモデルの下で、これらの成分の同定条件を導出する。
• 2つの相互作用する結果（例：対のデータ）の特別な場合に、最大尤度推定法および二重にロバストな推定法を実装する。
• 潜在的アウトカムと反実仮想を用いて因果効果を定義し、条件付き予測確率およびオッズ比に基づく推定器を用いて、共変数の下での結果間の依存関係をモデル化する。

実験結果

リサーチクエスチョン

• RQ1 単位間に自然な因果的順序が存在しない場合、伝播効果を直接効果および間接効果の成分に意味的に分解することは可能か？
• RQ2 均衡フィードバックを持つ対称的干渉モデルにおいて、単位固有の伝播効果成分を同定するための条件は何か？
• RQ3 2つの相互作用する結果を持つ対の干渉設定において、直接効果および間接効果のための二重にロバストな推定器を構築できるか？
• RQ4 提案された推定器は有限標本においてどのように性能を発揮するのか。また、モデル誤指定に対してどれほどロバストか？
• RQ5 教育修了が夫婦内の抑うつ症状に与える因果的効果は何か。家庭内での伝播効果を考慮した上で評価する。

主な発見

• 提案された対称的処置分解法により、単位間の因果的順序を要件としない干渉モデルにおいて、直接効果および間接効果の同定が可能になる。
• この手法は、対称的かつ均衡に基づく結果間の依存関係を許容する半パラメトリックモデルの下で、単位固有の伝播効果成分を同定する。
• 直接効果のための二重にロバストな推定器は、非DR推定値として -0.049（95％信頼区間：-0.103, -0.002）を示し、教育が抑うつ症状に小さなが有意な負の直接効果を持つことを示している。
• 間接効果の推定値は 0.008（95％信頼区間：-0.035, 0.055）であり、配偶者の教育を通じた間接効果は弱く、有意でないことを示唆している。
• シミュレーション研究により、モデル誤指定下でも推定器の一貫性とロバスト性が確認され、特に二重にロバストなアプローチで顕著である。
• ワイオミング・リバーサル・スタディのデータへの実証的応用では、教育修了が個人の抑うつ症状を軽減する小さなが意味のある直接効果を持つことが示され、配偶者を通じた間接的伝播効果は最小限にとどまっている。