[論文レビュー] Multiply robust dose-response estimation for multivalued causal inference problems

Cian Naik, Emma J. McCoy+1 more|arXiv (Cornell University)|Nov 8, 2016

Advanced Causal Inference Techniques参考文献 17被引用数 4

ひとこと要約

本稿は、一般化傾向スコア（GPS）モデルとアウトカム回帰（OR）モデルを組み合わせることで、多値処置における複数のロバストな線量反応推定器を導入し、少なくとも一方のファミリーのモデルのいずれかが正しく指定されていれば、平均潜在アウトカムの推定が一貫的であることを保証する。この手法は、二重ロバスト推定を多値設定に拡張し、理論的証明とシミュレーションを通じて、交絡要因やモデル誤指定に対してロバストであることを示している。

ABSTRACT

This paper develops a multiply robust (MR) dose-response estimator for causal inference problems involving multivalued treatments. We combine a family of generalised propensity score (GPS) models and a family of outcome regression (OR) models to achieve an average potential outcomes estimator that is consistent if just one of the GPS or OR models in each family is correctly specified. We provide proofs and simulations that demonstrate multiple robustness in the context of multivalued causal inference problems.

研究の動機と目的

• 多値処置設定における線量反応推定のためのロバストな手法の不足に対処すること。
• 欠損データの分野で使用されてきた複数ロバスト推定を、多値処置を伴う因果推論に拡張すること。
• GPSファミリーまたはORファミリーの大多数のモデルが誤指定されていても、推定が一貫したままである方法を提供すること。
• 交絡要因および関数形の誤指定に対して、理論的および実証的ロバスト性を示すこと。

提案手法

• 一般化傾向スコア（GPS）モデルのファミリーとアウトカム回帰（OR）モデルのファミリーを組み合わせ、平均潜在アウトカム（APO）推定器を構築する。
• 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を、多値処置に適応して用いる。
• GPSモデルファミリーに正しく指定されたモデルが含まれているか、またはORモデルファミリーに正しく指定されたモデルが含まれている限り、推定は一貫する。
• 欠損データからの複数ロバスト推定の理論を基盤とし、潜在アウトカムを介した因果推論に適応したアプローチである。
• 反復的推定と複数のGPSおよびORモデルにおけるモデル平均化に基づく数値的実装のアルゴリズムを提案する。
• 反復期待の法則と未測定の交絡要因がないという仮定を用いて、理論的一貫性を証明する。

実験結果

リサーチクエスチョン

• RQ1 欠損データから多値因果推論問題への複数ロバスト推定の拡張は可能か？
• RQ2 複数のGPSおよびORモデルを組み合わせることで、いずれかのファミリーのモデルが1つだけ正しく指定されていれば一貫した推定が得られる推定量が得られるか？
• RQ3 交絡要因および関数形の誤指定の下で、線量反応推定において本手法はどのように性能を発揮するか？
• RQ4 多値処置設定において、異なる処置水準における平均潜在アウトカムの推定が、本手法によって正確に行えるか？

主な発見

• 提案された推定量は複数ロバストである：GPSまたはORモデルファミリーのいずれかのモデルが正しく指定されていれば、平均潜在アウトカムの推定が一貫する。
• シミュレーションでは、交絡要因およびモデル誤指定の下でも、バイアスが低く（-0.007から-0.003の範囲）、良好なカバレッジを維持する。
• 真の関数形が不明であっても、線形および非線形の線量反応関数を効果的に近似できる。
• 理論的証明により、推定方程式の2次項がGPSまたはORモデルのいずれかが正しく指定されている場合に消滅することが確認され、一貫性が保証される。
• 推定量は漸近正規性を示し、高次元および誤指定されたモデルを含む多様なシナリオにおいても、ロバストな性能を維持する。