[論文レビュー] Semi-Instrumental Variables: A Test for Instrument Admissibility

Tianjiao Chu, Richard Scheines+1 more|arXiv (Cornell University)|Jan 10, 2013

Bayesian Modeling and Causal Inference参考文献 13被引用数 5

ひとこと要約

この論文は、従来の道具変数の一般化として半道具変数を導入し、加法的構造的モデルにおける道具変数の妥当性の統計的検定を可能にする。分布の仮定のもとで、ある変数が半道具変数であるかどうか、あるいは二つの半道具変数が共同で道具変数の条件を満たすかどうかのp値を計算するアルゴリズムを提案する。これにより、分野専門知識に依存せず、データ駆動型の方法で道具変数の妥当性を検証したり、発見したりできる。

ABSTRACT

In a causal graphical model, an instrument for a variable X and its effect Y is a random variable that is a cause of X and independent of all the causes of Y except X. (Pearl (1995), Spirtes et al (2000)). Instrumental variables can be used to estimate how the distribution of an effect will respond to a manipulation of its causes, even in the presence of unmeasured common causes (confounders). In typical instrumental variable estimation, instruments are chosen based on domain knowledge. There is currently no statistical test for validating a variable as an instrument. In this paper, we introduce the concept of semi-instrument, which generalizes the concept of instrument. We show that in the framework of additive models, under certain conditions, we can test whether a variable is semi-instrumental. Moreover, adding some distribution assumptions, we can test whether two semi-instruments are instrumental. We give algorithms to estimate the p-value that a random variable is semi-instrumental, and the p-value that two semi-instruments are both instrumental. These algorithms can be used to test the experts' choice of instruments, or to identify instruments automatically.

研究の動機と目的

• 因果推論における道具変数の妥当性を検証する統計的検定の不足に対処すること。
• 未測定の交絡要因を含むモデルへの応用を広げるために、道具変数の概念を半道具変数に一般化すること。
• 観測データと分布の仮定を用いて、道具変数の妥当性のp値を推定するためのアルゴリズムを開発すること。
• 因果グラフィカルモデルにおける道具変数の自動的または専門家による検証テストを可能にすること。
• 分野知識が不明瞭または不完全な状況において、有効な道具変数を同定するフレームワークを提供すること。

提案手法

• 加法的構造的モデルにおける標準的道具変数条件の緩和として、半道具変数の概念を導入する。
• 条件付き独立性と関数形の仮定に基づいて、変数が半道具変数としてテスト可能となる条件を定義する。
• 二段階のアルゴリズムを提案：第一に、条件付き独立性検定を用いて変数が半道具変数かどうかをテストする。第二に、分布の仮定を用いて共同での道具変数妥当性を評価する。
• 非パラメトリック回帰と残差に基づく検定を用いて、加法的ノイズモデルのもとで半道具変数性のp値を推定する。
• パーミュテーション検定とブートストラップ法を用いて、変数が半道具変数でないという帰無仮説のp値を計算する。
• 二つの半道具変数の共同p値を用いて、分布の仮定のもとでそれらが共同して道具変数基準を満たすかどうかを検定する。

実験結果

リサーチクエスチョン

• RQ1 分野知識に依存せずに、候補となる変数が有効な道具変数の条件を満たしているかどうかを統計的に検証できるか？
• RQ2 変数が厳密な道具変数ではなく、半道具変数とみなされるために必要な条件は何か？
• RQ3 二つの半道具変数が共同で有効な道具変数ペアを形成しているかどうかをどのように検証できるか？
• RQ4 道具変数の妥当性を検出するための、提案されたp値推定手順の統計的パワーはどの程度か？
• RQ5 提案手法は、未測定の交絡要因が存在する状況でも、データから有効な道具変数を自動的に同定できるか？

主な発見

• 提案手法は、p値推定を用いて道具変数の妥当性を統計的に検証可能であり、専門家判断に代わるデータ駆動型の代替手段を提供する。
• 加法的ノイズモデルと分布の仮定のもとで、タイプIエラー率を制御しつつ、変数が半道具変数かどうかをテストできる。
• 二つの半道具変数の共同p値検定により、道具変数ペアの妥当性を検証でき、因果推定のロバストネスが向上する。
• シミュレーション結果から、アルゴリズムはさまざまな設定において正しいサイズを維持し、真の道具変数を検出するのに妥当なパワーを達成していることが示された。
• 合成データにおいて、この手法は有効な道具変数を正しく同定でき、検証および発見の両設定において実用性を示した。
• 未測定の交絡要因が存在する状況でも適用可能であり、観察的研究における道具変数法の有用性を拡張する。