[論文レビュー] Semiparametric Estimation of Treatment Effects in Observational Studies with Heterogeneous Partial Interference

Zhaonan Qu, Ruoxuan Xiong+2 more|arXiv (Cornell University)|Jul 26, 2021

Advanced Causal Inference Techniques被引用数 8

ひとこと要約

本稿は、部分的干渉と観察されない交絡要因を伴う実験的でない研究における処置効果を推定するための半パラメトリック手法を提案する。ネットワーク構造と隣接単位の結果を活用することで、観察されない交絡要因の有無を検定し、調整された結果モデルおよび傾向スコアモデルを用いてバイアスを低減する推定器を導入し、干渉と潜在的依存性の下でも有効な推論を可能にする。

ABSTRACT

In many observational studies in social science and medicine, subjects or units are connected, and one unit's treatment and attributes may affect another's treatment and outcome, violating the stable unit treatment value assumption (SUTVA) and resulting in interference. To enable feasible estimation and inference, many previous works assume exchangeability of interfering units (neighbors). However, in many applications with distinctive units, interference is heterogeneous and needs to be modeled explicitly. In this paper, we focus on the partial interference setting, and only restrict units to be exchangeable conditional on observable characteristics. Under this framework, we propose generalized augmented inverse propensity weighted (AIPW) estimators for general causal estimands that include heterogeneous direct and spillover effects. We show that they are semiparametric efficient and robust to heterogeneous interference as well as model misspecifications. We apply our methods to the Add Health dataset to study the direct effects of alcohol consumption on academic performance and the spillover effects of parental incarceration on adolescent well-being.

研究の動機と目的

• クラスターやネットワーク内における複数の単位に影響を与える観察されない交絡要因が存在する観察的研究における処置効果推定を扱う。
• 接続された単位の結果と処置の間の条件付き独立性を用いて、観察されない交絡要因の存在を検出するための手法を開発する。
• 隣接単位の結果を結果モデルおよび傾向スコアモデルに組み込むことで、観察されない交絡要因によるバイアスを低減する処置効果推定器を提案する。
• 個々の単位だけでなくクラスタ内に複数の単位に影響を与える交絡要因を伴う非一様な干渉構造を扱う。
• 半パラメトリックモデルを用いて、潜在的ネットワーク構造を持つ交絡要因を調整することで、部分的干渉下でも有効な推論を提供する。

提案手法

• クラスタ固有の観察されない交絡要因 $U_c$ を含む線形モデルを提案し、クラスタ内平均による調整により交絡要因の影響を除去する。
• 結果回帰式 $Y_{c,i} = \alpha + Z_{c,i}\theta_z + \mathbf{G}_{c,i}^\top\bm{\theta}_\mathbf{g} + \mathbf{X}_c^\top\bm{\beta} + Y_{c,i'}\gamma + \varepsilon_{c,i}$ における係数 $\gamma$ に基づく検定を用い、$\gamma = 0$ のとき交絡要因が存在しないと仮定する。
• 隣接単位の結果を条件付けることで、観察されない交絡要因に対するロバスト性を向上させる調整済みオラクル AIPW 推定器 $\psi^{\mathrm{adj}}_{j}(z,\mathbf{g})$ を導入する。
• パネルモデルにおいて、単位および時刻の固定効果を除去するための内生変換を適用し、潜在的要因 $\mathbf{u}_i^\top\mathbf{v}_t$ を含む要因モデルの推定を可能にする。
• 時間変動する観察されない交絡要因をモデル化するため、低ランク行列推定フレームワークにおいて $\|\mathbf{L}\|_*$ を目的関数に組み込む核ノルム正則化を用いる。
• 両側検定を提案：$H_0$ を棄却するのは、$Y_{c,i} \perp Y_{c,i'}|\mathbf{X}_c,\mathbf{Z}_c$ および $Z_{c,i} \perp Z_{c,i'}|\mathbf{X}_c$ の両方が棄却された場合に限る。これにより、偽陽性の確率が低下する。

実験結果

リサーチクエスチョン

• RQ1 観察されない交絡要因がクラスタまたはネットワーク内の複数の単位に影響を与える状況下で、処置効果を一貫して推定する方法は何か？
• RQ2 観察されたネットワーク構造と結果／処置の依存性のみを用いて、相関する観察されない交絡要因の存在を検出するための検定統計量は何か？
• RQ3 結果モデルおよび傾向スコアモデルに隣接単位の結果を調整することで、部分的干渉下での観察されない交絡要因によるバイアスを低減できるか？
• RQ4 パネルデータにおける非一様な干渉を伴う時間変動する観察されない交絡要因を、潜在的要因モデルを用いてどのようにモデル化できるか？
• RQ5 結果と処置の両方の独立性を検定することで、観察されない交絡要因の検出における特異度を向上させるための統合的検定手順は何か？

主な発見

• 結果回帰式 $Y_{c,i} = \cdots + Y_{c,i'}\gamma + \cdots$ における $\gamma$ に基づく検定は、$\gamma \neq 0$ の場合に観察されない交絡要因の存在を示唆する。帰無仮説下では第1種の誤り率が $\alpha$ で抑えられる。
• 調整済み AIPW 推定器 $\psi^{\mathrm{adj}}_{j}(z,\mathbf{g})$ は、観察されない交絡要因が存在しない場合には真の処置効果 $\tau$ を回復する。これは標準的な AIPW 推定器に還元されるためである。
• パネルモデルにおいて、内生変換されたモデル (4) を用いることで、潜在的要因構造のランクが固定されている場合に $\tau^{\ddagger}$ の一貫した推定が可能になる。
• 核ノルム正則化推定器 (5) は、$\mathbf{u}_i^\top\mathbf{v}_t$ のランクが $N$ および $T$ と共に増大する場合に $\tau$ の一貫した推定を提供する。バイアスはデバイアス補正技術により除去可能である。
• 結果と処置の両方の独立性を検定する統合的検定により、帰無仮説下での棄却確率は $\alpha$ 未満に抑えられ、$\mathbb{P}(\text{棄却} \mid H_0) \leq \alpha$ を満たす。
• 実証的結果では、観察されない交絡要因が $Y_A, Y_B$ のみに影響する（$Z_A, Z_B$ には影響しない）場合、統合的検定は誤った棄却を回避し、単一の検定よりも特異度が向上することが示された。