[論文レビュー] Principal stratification analysis using principal scores

Peng Ding, Jiannan Lu|arXiv (Cornell University)|Feb 3, 2016

Advanced Causal Inference Techniques参考文献 24被引用数 8

ひとこと要約

本稿は、観察された共変量を条件とした潜在的層への所属確率（主成分数）を用いた主成分層枠組みを導入し、中間変数を伴う無作為化実験における頑健でモデルフリーの因果推論を可能にする。これらの成分数に基づく重み付けにより、正規性やパラメトリックなアウトカムモデルの仮定を必要とせず、因果推論を実現するとともに、無視可能性や単調性といった重要な未検証仮定に対する感度分析を提供する。

ABSTRACT

Practitioners are interested in not only the average causal effect of the treatment on the outcome but also the underlying causal mechanism in the presence of an intermediate variable between the treatment and outcome. However, in many cases we cannot randomize the intermediate variable, resulting in sample selection problems even in randomized experiments. Therefore, we view randomized experiments with intermediate variables as semi-observational studies. In parallel with the analysis of observational studies, we provide a theoretical foundation for conducting objective causal inference with an intermediate variable under the principal stratification framework, with principal strata defined as the joint potential values of the intermediate variable. Our strategy constructs weighted samples based on principal scores, defined as the conditional probabilities of the latent principal strata given covariates, without access to any outcome data. This principal stratification analysis yields robust causal inference without relying on any model assumptions on the outcome distributions. We also propose approaches to conducting sensitivity analysis for violations of the ignorability and monotonicity assumptions, the very crucial but untestable identification assumptions in our theory. When the assumptions required by the classical instrumental variable analysis cannot be justified by background knowledge or cannot be made because of scientific questions of interest, our strategy serves as a useful alternative tool to deal with intermediate variables. We illustrate our methodologies by using two real data examples, and find scientifically meaningful conclusions.

研究の動機と目的

• 中間変数がアウトカムに影響を与えるが、無作為化できない場合の因果推論の課題に対処すること。
• 除外制限仮定や単調性仮定といった未検証仮定に依存する古典的インストゥルメンタル変数法の限界を克服すること。
• 治療前共変量のみを用いて、主成分数内での因果効果をモデルフリーで客観的に推定する手法を開発すること。
• 主成分層における無視可能性と単調性仮定の違反に対する感度分析ツールを提供すること。
• 除外制限が成立しない、または強いパラメトリック仮定が必要な場合に、従来の手法が失敗する状況でも実用的な因果推論を可能にすること。

提案手法

• 治療群と対照群における中間変数の潜在的値の組み合わせとして主成分数を定義し、それらを治療前共変量として扱う。
• 観察された共変量を条件とした各主成分数に属する確率として主成分数を導入し、アウトカムデータなしで推定する。
• 主成分数を逆確率重みとして用いて、主成分数内での平均因果効果の重み付き推定量を構築する。
• 主成分数無視可能性仮定の下で、重み付き推定量の漸近的性質と標準誤差を導出する。
• 単調性仮定の感度分析として、単調性からの逸脱度を定量化する感度パラメータ ξ を導入する。
• 主成分数に基づく重み付けにより、アウトカムモデルの仮定に依存せずに共変量のバランスを維持し、推定の効率性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 除外制限や単調性仮定を仮定できない中で、中間変数を伴う無作為化実験における有効な因果推論はどのように行えるか？
• RQ2 主成分数内でのアウトカム分布のパラメトリックモデルを仮定せずに、頑健な因果推論を達成できるか？
• RQ3 治療前共変量は、無視可能性の確保と推定効率性の向上において果たす役割は何か？
• RQ4 単調性や主成分数無視可能性仮定の違反に対する因果推定の感度は、どのように評価できるか？
• RQ5 主成分数を用いて、不安定な尤度を伴う混合モデルの問題を回避する安定でモデルフリーの推定量を構築できるか？

主な発見

• 提案された主成分数に基づく重み付け手法により、アウトカム分布のパラメトリック仮定を必要とせず、主成分数内での平均因果効果に対する有効でモデルフリーの因果推論が可能である。
• 単調性の感度分析において、生存者に対する平均因果効果（ACE_ss）の推定値は、感度パラメータ ξ の妥当な範囲内で一貫して頑健であり、信頼区間は常にゼロを含む。
• SWOG前立腺がん臨床試験において、治療群では「生存者」層の推定主成分数が 0.496、対照群では 0.389 であった。これは、生存に及ぼす治療効果が中程度ではあるが非単調的である可能性を示唆している。
• バランスチェックにより、治療群間で共変量のバランスが維持されていることが確認され、無視可能性仮定の妥当性を支持する。
• 正規混合モデルに伴う数値的不安定性やモデル感受性を回避し、パラメトリック仮定が疑わしい状況においてより信頼性の高い代替手法を提供する。
• 理論的結果から、予測性の高い共変量の導入が推定効率性を向上させることを示しており、実験設計において豊富な治療前共変量を収集することが重要であることが裏付けられる。