[論文レビュー] On variance estimation for generalizing from a trial to a target population

Ziyue Chen, Eloise Kaizar|arXiv (Cornell University)|Apr 25, 2017

Advanced Causal Inference Techniques参考文献 27被引用数 5

ひとこと要約

本稿は、ランダム化比較試験（RCT）のデータを用いて、標本外の母集団における平均処置効果を推定するための、モデルフリーな逆確率重み付き推定量（IPWE）を提案し、精度と信頼性を向上させるための新規な分散推定法を提示する。小さな標本や処置効果の異質性が大きい状況下でも、ブートストラップに基づく分散推定法がパラメトリック手法を上回ることを示している。特に、試験集団と母集団との間の重複度が低い場合に顕著である。

ABSTRACT

Randomized controlled trials (RCTs) provide strong internal validity compared with observational studies. However, selection bias threatens the external validity of randomized trials. Thus, RCT results may not apply to either broad public policy populations or narrow populations, such as specific insurance pools. Some researchers use propensity scores (PSs) to generalize results from an RCT to a target population. In this scenario, a PS is defined as the probability of participating in the trial conditioning on observed covariates. We study a model-free inverse probability weighted estimator (IPWE) of the average treatment effect in a target population with data from a randomized trial. We present variance estimators and compare the performance of our method with that of model-based approaches. We examine the robustness of the model-free estimators to heterogeneous treatment effects.

研究の動機と目的

• RCTの外部妥当性の課題に対処すること。特に、試験結果が広範な母集団や特定の母集団に一般化できない場合に焦点を当てる。
• 標本外母集団における母平均処置効果（PATE）を推定するための、モデルフリーな逆確率重み付き推定量（IPWE）を開発すること。
• IPWEに適した新規な分散推定法（特にリサンプリングに基づく手法）を提案・評価し、標本が小さい場合や処置効果が不均一な状況での推定精度を向上させること。
• 異なる共変量の重複度と標本サイズの下で、パラメトリック法、ブートストラップ法、特殊リサンプリング法の分散推定法の性能を比較すること。
• 有限母集団と無限母集団の両方において、さまざまな分散推定法が最も信頼性が高い条件を明確にすること、特に有限母集団と無限母集団の違いを考慮する。

提案手法

• 感受性スコアに基づく逆確率重み付け（IPW）を用い、RCT参加者の重みを調整することで、その分布を母集団の分布に一致させる。
• 特定のアウトカムモデルを仮定しないモデルフリーなIPWEを用いて、母集団平均処置効果（PATE）を推定する。
• 漸近理論に基づき、IPWEのための新しい大標本分散推定法を提案する。
• 2つのリサンプリングに基づく分散推定法を導入する：通常のブートストラップと、有限母集団および無限母集団の両方の状況に特化した固定Sブートストラップ。
• シミュレーションスタディを用いて、標本サイズ、重複度（Δp）、処置効果の異質性の変動に応じた、パラメトリック法、ブートストラップ法、特殊リサンプリング法の分散推定法の性能を比較する。
• 調査サンプリング理論とM推定量の原則を用いて、分散推定法を導出し、有限母集団と無限母集団の状況を区別して検証する。

実験結果

リサーチクエスチョン

• RQ1 試験集団と母集団との間の共変量の重複度が異なる状況下で、IPWEのPATE推定におけるさまざまな分散推定法の性能はどのように異なるか？
• RQ2 標本サイズが小さい場合（特に小規模な試験の場合）、IPWEの分散推定法の正確性と信頼性はどの程度に影響を受けるか？
• RQ3 処置効果の異質性は、モデルフリーなIPWEおよびその関連する分散推定法の性能にどのような影響を与えるか？
• RQ4 有限母集団と無限母集団の両方において、パラメトリック法、ブートストラップ法、特殊リサンプリング法のうち、どの分散推定法がIPWEの信頼性を最もよく保証するか？
• RQ5 どのような条件下で、リサンプリングに基づく分散推定法を用いたモデルフリーなIPWEが、モデルベースの推定量を上回るバイアスと信頼性を示すか？

主な発見

• 重複度が中程度（Δp ≤ 0.15）で標本サイズが大きい無限母集団では、パラメトリック法とブートストラップ法の両方が、IPWEおよび調査ベースの推定量において、名目水準95％の信頼性をほぼ達成する。
• 標本サイズが小さい場合（n_total ≤ 500）には、すべての分散推定法が真の変動を著しく低く見積もる。特にIPWEでは顕著であり、パラメトリック法は信頼性に欠ける。
• 重み付きOLS推定量では、ブートストラップ法がパラメトリック分散推定法を上回り、特に標本が小さい場合や重複度が高い状況で顕著である。
• 処置効果の異質性が高く、または極端な重複度（Δp = 0.38）の下では、すべての分散推定法が真の変動を低く見積もるが、特殊ブートストラップ法はIPWEに対してM推定量よりも優れた推定を提供する。
• 極端な重複度が低い場合や標本サイズが小さい場合には、IPWEにブートストラップ分散推定法を適用しても、全体的な性能が低下するが、それでもモデルベースの推定量を上回るバイアスと信頼性を示す。
• 提案された特殊ブートストラップ法は、高次の異質性と小さな標本の下で、M推定量に比べてより高いロバスト性を示し、特にIPWEに対して顕著である。