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

Xu Shi, Wang Miao+1 more|arXiv (Cornell University)|Aug 14, 2018

Advanced Causal Inference Techniques被引用数 2

ひとこと要約

本稿は、観察研究における測定されない交絡要因を考慮し、二重のネガティブコントロールと複数の観察された交絡要因の調整を用いて、平均処置効果を推定する多重ロバストでセミパラメトリックな枠組みを提案する。セミパラメトリック効率の下限を確立し、モデル誤指定に対しても一貫性を保つ局所的に効率的な推定量を開発する。

ABSTRACT

Unmeasured confounding is a threat to causal inference in observational studies. In recent years, use of negative controls to address 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. (2017) have described sufficient conditions under which a pair of negative control exposure-outcome variables can be used to nonparametrically identify average treatment effect from observational data subject to uncontrolled confounding. In this paper, building on their results, we provide a general semiparametric framework for obtaining inferences about the average treatment effect with double negative control adjustment for unmeasured confounding, while accounting for a large number of observed confounding variables. In particular, we derive the semiparametric efficiency bound under a nonparametric model for the observed data distribution, and we propose multiply robust locally efficient estimators when nonparametric estimation may not be feasible. We assess the finite sample performance of our methods under potential model misspecification in extensive simulation studies. We illustrate our methods with an application to the evaluation of the effect of higher education on wage among married working women.

研究の動機と目的

• 観察研究における測定されない交絡要因——因果推論の有効性を脅かす恒久的要因——を扱うため。
• ネガティブコントロールの使用をバイアス検出の範囲から、実際に因果効果の同定にまで拡張するため。
• 観察された要因と測定されない要因の両方を、二重ネガティブコントロールの調整を介して統合するセミパラメトリック枠組みを構築するため。
• 観察データ分布の非パラメトリックモデル下での平均処置効果推定におけるセミパラメトリック効率の下限を導出するため。
• モデル誤指定に対してもロバストである推定量を提案し、一部のワーキングモデルが誤りであっても有効な推論を保証するため。

提案手法

• 二重のネガティブコントロール暴露-結果変数を活用し、測定されない交絡要因下でも平均処置効果を非パラメトリックに同定する。
• 観察データ分布の非パラメトリックモデル下での平均処置効果推定におけるセミパラメトリック効率の下限を導出する。
• 複数のワーキングモデルのうち少なくとも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な局所的に効率的な推定量を提案する。
• セミパラメトリック枠組み内での柔軟なモデリングにより、多数の観察された交絡要因を統合する。
• 推定量の効率性とロバスト性を向上させるために、逆確率ウエイトリングとアウトカム回帰を二重ロバスト推定方程式枠組み内で統合する。
• 影響関数に基づく推定を用いて、正則性条件の下で局所的効率性と有効な推論を達成する。

実験結果

リサーチクエスチョン

• RQ1 測定されない交絡要因と複数の観察された交絡要因が存在する状況下で、二重ネガティブコントロールアプローチは非パラメトリックに平均処置効果を同定可能か？
• RQ2 測定されない交絡要因を伴う非パラメトリックモデル下での平均処置効果推定におけるセミパラメトリック効率の下限は何か？
• RQ3 一部のモデルが誤指定されても一貫性を保つ多重ロバスト推定量はどのように構築できるか？
• RQ4 潜在的なモデル誤指定下での有限標本における推定量の性能はいかがなものか？
• RQ5 実世界の応用例（教育と賃金効果）におけるこの手法の経験的性能は？

主な発見

• 提案手法は非パラメトリックモデル下でセミパラメトリック効率性を達成し、因果効果推定の理論的ベンチマークを提供する。
• 多重ロバスト推定量は、アウトカムやプロパティススコアのワーキングモデルの一部が誤って指定されていても一貫性を保つ。
• シミュレーション研究により、さまざまなモデル誤指定シナリオ下でも推定量が良好な有限標本性能を維持することが示された。
• 二重ネガティブコントロール調整は、シミュレーションおよび経験的応用の両方で測定されない交絡要因に起因するバイアスを効果的に低減した。
• 夫と働く女性における高等教育と賃金効果への応用において、この手法は正のかつ統計的に有意な平均処置効果推定値をもたらした。
• 非パラメトリック推定が非現実的である場合でも、多重ロバスト枠組みにおけるパラメトリックワーキングモデルの使用により、有効な推論が可能である。