[論文レビュー] New bounds for the Probability of Causation in Mediation Analysis

Rossella Murtas, Alexander Philip Dawid+1 more|arXiv (Cornell University)|Jun 15, 2017

Advanced Causal Inference Techniques参考文献 3被引用数 3

ひとこと要約

本稿では、完全な媒介要因を無視する既存の境界を改善するために、部分的媒介要因に関する情報を組み込むことで、媒介分析における因果の確率（PC）の新しい境界を提案する。曝露レベルごとの結果と媒介変数の反実仮想分布をモデル化することで、境界をより厳密にし、データに応じて、媒介を無視する場合より大きくなることも小さくなることもある。この手法により、因果推論における個別的因果関係のより洗練された評価が可能になる。

ABSTRACT

An individual has been subjected to some exposure and has developed some outcome. Using data on similar individuals, we wish to evaluate, for this case, the probability that the outcome was in fact caused by the exposure. Even with the best possible experimental data on exposure and outcome, we typically can not identify this "probability of causation" exactly, but we can provide information in the form of bounds for it. Under appropriate assumptions, these bounds can be tightened if we can make other observations (e.g., on non-experimental cases), measure additional variables (e.g., covariates) or measure complete mediators. In this work we propose new bounds for the case that a third variable mediates partially the effect of the exposure on the outcome.

研究の動機と目的

• 曝露と結果に関する観察的または実験的データしか入手できない状況において、個別的因果関係を推定する課題に対処すること。
• 因果経路における部分的媒介要因に関する情報を組み込むことで、既存の因果の確率（PC）の境界を改善すること。
• 媒介変数のデータが利用可能な場合に、完全な媒介を仮定しないで、よりきめ細やかで情報量の多いPCの境界を提供するフレームワークを構築すること。
• 部分的媒介の知識が、それを無視する場合と比較して、境界を改善するか悪化させるかを明確にすること。
• 反実仮想に基づく因果推論を、明示的な個別的因果関係の境界を伴う媒介設定に拡張すること。

提案手法

• 著者たちは、曝露レベルXごとの結果Yと媒介変数Mの同時反実仮想分布をモデル化するために、潜在的アウトカムと反実仮想を用いる。
• X ∈ {0,1}、m ∈ {0,1} における P(Y*(x,m)=0) と P(M(x)=m) を含む項に分解することで、因果の確率（PC）の上限と下限の境界を導出する。
• 上限は、M(0) と M(1) および Y*(0,m) と Y*(1,m) のすべての組み合わせに対応する4つの項の和として計算され、各個人について Y(0) と Y(1) のうち一方しか観測されないという制約を満たす。
• 完全な媒介とは異なり、Y*(x,m) が m に応じて異なることを許容することで、部分的媒介を扱う。
• 媒介を無視する標準的な境界と比較し、よりきつい方の境界を選択する。
• 既知の媒介確率を有する実験的データを用いた2つの実証例を通じて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 部分的媒介要因に関する情報を組み込むことで、それを無視する場合よりも因果の確率（PC）の境界をきつくできるか？
• RQ2 部分的媒介の知識が、PCの上限境界を改善するか劣化させるか、どのような条件下でそうなるか？
• RQ3 媒介要因を考慮しない既存の境界と比較して、本研究の新しい境界は、個別的因果関係評価においてどのように異なるか？
• RQ4 媒介変数のデータが利用可能な場合、PCの境界の理論的改善限界は何か？
• RQ5 本フレームワークは、共変数と媒介変数の両方を含めたPCの境界化に拡張可能か？

主な発見

• 実験的データを用いた一例（表3）では、媒介要因を考慮することでPCの上限境界が1.00から0.81に低下し、有意義な改善が示された。
• 別の例（表4）では、媒介情報の組み込みにより上限境界が0.88から0.95に上昇した。これは、媒介変数のデータが場合によっては境界を悪化させることもあることを示している。
• 部分的媒介の下での上限境界は、媒介を無視した場合の上限境界の2倍を超えることはなく、4つの項の合計が 2×P(Y=0|X←0) または 2×P(Y=1|X←1) を超えることはないという制約に起因する。
• 媒介情報を組み込んでも下限境界は変化せず、上限境界にのみ影響を与える。
• 完全な媒介の場合は、上限境界が常に媒介を無視した場合の境界以下になることが確認され、完全な媒介情報は、媒介を無視する情報よりも悪い結果をもたらさないことが裏付けられた。
• 著者たちは、研究者が媒介を無視する境界と媒介を考慮する境界の両方を計算し、より小さい上限境界を選択することで、PCの可能な限りきつい区間を保証すべきだと結論づける。