[論文レビュー] Multiply Robust Causal Inference with Double Negative Control Adjustment for Categorical Unmeasured Confounding

Xu Shi, Wang Miao+2 more|arXiv (Cornell University)|Aug 14, 2018

Advanced Causal Inference Techniques参考文献 43被引用数 11

ひとこと要約

本稿は、カテゴリカルな測定不能な交絡要因の下で因果推論を行うために、負のコントロールとしての曝撃変数およびアウトカム変数のペアを活用した、多重にロバストな半パラメトリック枠組みを提案する。非パラメトリック同定化をより弱い条件へと拡張し、複数のワーキングモデルのうちいずれか1つが正しく指定されていれば一貫性を保つ推定器を構築することで、高次元の共変量を伴う有限標本においても局所効率性とロバステスを達成する。

ABSTRACT

Unmeasured confounding is a threat to causal inference in observational studies. In recent years, use of negative controls to mitigate unmeasured confounding has gained increasing recognition and popularity. Negative controls have a longstanding tradition in laboratory sciences and epidemiology to rule out non-causal explanations, although they have been used primarily for bias detection. Recently, Miao et al. (2018) have described sufficient conditions under which a pair of negative control exposure and outcome variables can be used to nonparametrically identify the average treatment effect (ATE) from observational data subject to uncontrolled confounding. In this paper, we establish nonparametric identification of the ATE under weaker conditions in the case of categorical unmeasured confounding and negative control variables. We also provide a general semiparametric framework for obtaining inferences about the ATE while leveraging information about a possibly large number of measured covariates. In particular, we derive the semiparametric efficiency bound in the nonparametric model, and we propose multiply robust and locally efficient estimators when nonparametric estimation may not be feasible. We assess the finite sample performance of our methods in extensive simulation studies. Finally, we illustrate our methods with an application to the postlicensure surveillance of vaccine safety among children.

研究の動機と目的

• 標準的な測定不能な交絡のない仮定が満たされない観察的研究における測定不能な交絡の課題に対処すること。
• カテゴリカルな測定不能な交絡要因の下で、負のコントロールを用いた平均処置効果（ATE）の非パラメトリック同定化を、より弱く一般的な条件へと拡張すること。
• 多数の観測済み交絡要因を扱えるが、ロバステスと効率性を維持する半パラメトリック推論枠組みを構築すること。
• 非パラメトリックモデルにおけるATEの半パラメトリック効率限界を導出し、実用的実装のための多重ロバストで局所的に効率的な推定器を提案すること。
• 広範なシミュレーションと承認後ワクチン安全性監視への実世界応用を通じて、手法を検証すること。

提案手法

• Miaoら（2018）を拡張し、カテゴリカルな測定不能な交絡要因に対して、より弱い完全性条件の下でATEの非パラメトリック同定化を確立する。
• 測定済み共変量を組み込み、測定不能な交絡を補正するための二重負のコントロール（曝撃およびアウトカム）を用いる一般化された半パラメトリックモデルを導入する。
• 非パラメトリックモデルにおけるATEの半パラメトリック効率限界を導出し、最適推定のベンチマークを提供する。
• アウトカム、感受性スコア、または測定不能な交絡要因の分布に関する複数のワーキングモデルのうちいずれか1つが正しく指定されていれば一貫性を保つ多重ロバスト推定器を提案する。
• 逆確率重み付けとアウトカム回帰を統合した二重ロバスト推定方程式フレームワークを用い、条件付き期待値とインフルエンス関数を含む重要な同定式を特徴とする。
• 変数変換の議論を用いて、処置反転（A → 1−A）に対して不変であることを示し、推定方程式の対称性と一貫性を保証する。

実験結果

リサーチクエスチョン

• RQ1 負のコントロール変数のペアを用いる場合、従来要請されたよりも弱い条件下で平均処置効果を非パラメトリックに同定可能か？
• RQ2 多数の観測済み交絡要因が存在する状況で、ATEの効率的かつロバストな推論をどのように達成できるか？
• RQ3 二重負のコントロールと併せて、カテゴリカルな測定不能な交絡要因が存在する状況におけるATEの半パラメトリック効率限界は何か？
• RQ4 複数のモデルのうちいずれか1つが正しいと仮定しても一貫性を保つ多重ロバスト推定器を構築可能か？同時に局所的効率性を維持できるか？
• RQ5 現実的な交絡構造と高次元の共変量を伴う有限標本において、提案手法はどのように性能を示すか？

主な発見

• 本稿は、Miaoら（2018）のものよりも弱い完全性条件の下で、平均処置効果の非パラメトリック同定化を確立し、負のコントロール手法の適用範囲を広げた。
• 提案された多重ロバスト推定器は、アウトカム、処置、または測定不能な交絡要因の分布に関するワーキングモデルのうちいずれか1つが正しく指定されていれば一貫性を保つため、実用的なロバステスが向上する。
• 局所的効率性を達成しており、すべてのモデルが正しく指定されている場合に半パラメトリック効率限界に到達し、大標本における最適な分散を保証する。
• シミュレーション研究により、複数のモデル誤指定状況下でも多重ロバスト推定器が良好な有限標本性能を維持することが示され、単一ロバストな代替手法を上回る性能を示した。
• 承認後ワクチン安全性監視への応用では、健康行動に起因する測定不能な交絡を検出し補正できることを示し、より信頼性の高い因果推定を可能にした。
• 理論的導出により、推定方程式が3つのモデルクラス（M1, M2, M3）の和集合の下で不偏であることが確認され、複数の妥当なモデル構成のもとで一貫性が保証された。