[論文レビュー] Posterior Predictive Treatment Assignment for Estimating Causal Effects with Limited Overlap

Corwin Zigler, Matthew Cefalu|arXiv (Cornell University)|Oct 24, 2017

Advanced Causal Inference Techniques参考文献 20被引用数 3

ひとこと要約

本稿では、傾向スコア分布の重なりが限られている状況における因果効果推定を目的として、ベイジアン後方予測治療割り当て（PPTA）手法を提案する。従来の推定法は、分散が大きく不安定になるが、PPTAは観測単位を、治療受給の後方予測確率に基づいて確率的に含めるため、有限標本における性能が向上し、不確実性を定量化する。シミュレーションおよび米国発電所の排出規制に関する実世界分析において、IPTWおよびオーバラップ重み推定法を凌駆する。

ABSTRACT

Estimating causal effects with propensity scores relies upon the availability of treated and untreated units observed at each value of the estimated propensity score. In settings with strong confounding, limited so-called "overlap" in propensity score distributions can undermine the empirical basis for estimating causal effects and yield erratic finite-sample performance of existing estimators. We propose a Bayesian procedure designed to estimate causal effects in settings where there is limited overlap in propensity score distributions. Our method relies on the posterior predictive treatment assignment (PPTA), a quantity that is derived from the propensity score but serves different role in estimation of causal effects. We use the PPTA to estimate causal effects by marginalizing over the uncertainty in whether each observation is a member of an unknown subset for which treatment assignment can be assumed unconfounded. The resulting posterior distribution depends on the empirical basis for estimating a causal effect for each observation and has commonalities with recently-proposed "overlap weights" of Li et al. (2016). We show that the PPTA approach can be construed as a stochastic version of existing ad-hoc approaches such as pruning based on the propensity score or truncation of inverse probability of treatment weights, and highlight several practical advantages including uncertainty quantification and improved finite-sample performance. We illustrate the method in an evaluation of the effectiveness of technologies for reducing harmful pollution emissions from power plants in the United States.

研究の動機と目的

• 傾向スコア分布の重なりが限られている観察研究における因果推定法の有限標本における不安定性を解消すること。
• 傾向スコア推定の不確実性および、Pruningや重みの切り捨てなどのデザイン段階の意思決定の不確実性を考慮する手法を開発すること。
• トリミングや傾向スコアの閾値に基づく単位の除外といった事象的前処理手法の代替として、原理的かつ確率的な代替手法を提供すること。
• 交絡要因のない比較のための実証的根拠に基づいて、観測単位を重み付けすることによって因果効果推定を改善すること。
• 因果推論に含める単位のサブセットを固定する代わりに、そのサブセットの不確実性を統合するフレームワークを提供すること。

提案手法

• 本手法は、傾向スコアから導かれるベイジアン量である後方予測治療割り当て（PPTA）を導入し、適合モデル下で観測単位が治療を受けた確率を推定する。
• PPTAを用いて、交絡要因のない比較群に属する可能性が高い観測単位が因果効果推定に寄与するかどうかを確率的に決定する。
• 因果効果は、各観測単位が逆治療を受ける可能性の後方確率に重み付けされた、複数の潜在的サブセットの平均として推定される。
• 本手法は二段階のベイジアン手順として定式化される：第一に、傾向スコアモデルを適合させる。第二に、デザイン段階の不確実性を統合して因果推論を実施する。
• 本手法は、傾向スコア推定とサブセット選択の両方における不確実性を自然に組み込んだ因果効果の後方分布を生成する。
• Liら（2016）のオーバラップ重みと数学的に関連しているが、完全な後方分布を提供し、決定論的なPruningを回避する点で拡張されている。

実験結果

リサーチクエスチョン

• RQ1 傾向スコア分布の重なりが限られている状況において、どのようにして因果効果推定を改善できるか？
• RQ2 傾向スコア推定およびデザイン意思決定における不確実性を考慮することで、因果推定法の有限標本における性能がどの程度向上するか？
• RQ3 重み付けのサブセット選択を確率的・ベイジアン的手法で行うことで、重みの切り捨てやPruningといった決定論的手法を凌駕できるか？
• RQ4 PPTA手法は、有限標本におけるバイアス、分散、カバレッジという観点から、IPTWおよびオーバラップ重み推定法と比べてどのように差が現れるか？
• RQ5 後方予測確率によって定義される複数の潜在的サブセットの平均を取った因果推定値の解釈可能性はいかがなものか？

主な発見

• PPTA手法は、強い交絡と重なりが限られている状況において、IPTWおよびオーバラップ重み推定法よりも優れた有限標本性能を示した。
• 米国発電所の排出規制に関する分析において、PPTA手法は、特に2002年および2003年において、SCR/SNCR技術がNOx削減に与える影響をIPTWよりもより顕著かつ安定して推定した。
• PPTA手法は、IPTWよりも系統的に幅広い不確実性区間を生成し、傾向スコア推定の不確実性およびデザイン段階の不確実性を明示的に反映している。
• 規制動態の既知の事実を踏まえると、PPTA手法の結果はより信頼性が高く、交絡要因のない比較のための実証的根拠が強い単位に焦点を当てたためである。
• PPTA手法は、平均処置効果の重なり上（ATEO）に類似した推定値を推定すると解釈され、重なり領域におけるATEに比べて解釈可能性とロバスト性が向上した。
• 本手法は極端な重みの支配を効果的に回避し、事象的重みの切り捨てやサンプルのPruningに対する原理的代替手段を提供した。