[論文レビュー] Treatment Effects on Ordinal Outcomes: Causal Estimands and Sharp Bounds

Jiannan Lu, Peng Ding+1 more|arXiv (Cornell University)|Jul 6, 2015

Advanced Causal Inference Techniques参考文献 49被引用数 9

ひとこと要約

本稿では、部分的同定の下で、潜在的アウトカムの周辺分布から導かれる鋭い境界を用いて、順序尺度のアウトカムに対する2つの因果的推定量—治療効果の確率および厳密な利益—を提案する。これらの境界の閉形式表現を提供することで、強いパラメトリック仮定を必要とせず、無作為化実験、観察的研究、非順応状況においても頑健な推論が可能になる。

ABSTRACT

Assessing the causal effects of interventions on ordinal outcomes is an important objective of many educational and behavioral studies. Under the potential outcomes framework, we can define causal effects as comparisons between the potential outcomes under treatment and control. However, unfortunately, the average causal effect, often the parameter of interest, is difficult to interpret for ordinal outcomes. To address this challenge, we propose to use two causal parameters, which are defined as the probabilities that the treatment is beneficial and strictly beneficial for the experimental units. However, although well-defined for any outcomes and of particular interest for ordinal outcomes, the two aforementioned parameters depend on the association between the potential outcomes, and are therefore not identifiable from the observed data without additional assumptions. Echoing recent advances in the econometrics and biostatistics literature, we present the sharp bounds of the aforementioned causal parameters for ordinal outcomes, under fixed marginal distributions of the potential outcomes. Because the causal estimands and their corresponding sharp bounds are based on the potential outcomes themselves, the proposed framework can be flexibly incorporated into any chosen models of the potential outcomes, and are directly applicable to randomized experiments, unconfounded observational studies, and randomized experiments with noncompliance. We illustrate our methodology via numerical examples and three real-life applications related to educational and behavioral research.

研究の動機と目的

• 平均因果効果が実質的意味を持たない順序尺度アウトカムにおいて、平均因果効果の解釈の難しさに対処すること。
• 単位の治療が有益である確率および厳密に有益である確率という、直感的に解釈可能な2つの因果的パラメータを提案すること。
• 潜在的アウトカムの周辺分布のみを用いて、これらのパラメータの鋭い境界を導出することにより、関連性に関する検証不能な仮定を回避すること。
• 無作為化実験、観察的研究、非順応状況を含む多様な研究デザインへの応用を可能にすること。
• 境界の閉形式表現を提供することで、数値的手法と比較して解釈性と計算可能性を向上させること。

提案手法

• 潜在的アウトカムに基づき、τ（治療が有益である確率）およびη（治療が厳密に有益である確率）という2つの因果的推定量を定義する。
• 線形計画法を用いて、潜在的アウトカムの周辺分布が固定されたもとで、τおよびηの鋭い境界を導出する。
• 部分的同定フレームワークを用いて、潜在的アウトカムの同時分布や関連性に関する仮定を必要とせずにパラメータを同定する。
• 共変量および非順応情報を取り入れることで境界を精緻化し、推論の精度を向上させる。
• 境界の閉形式表現を導出し、従来の数値的手法に代わる解析的扱いやすさを拡張する。
• 数値例および教育学および労働経済学分野の3つの実世界応用を通じて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 平均処置効果が実質的に曖昧である場合、順序尺度アウトカムにおける因果効果をどのように意味的に定義できるか？
• RQ2 潜在的アウトカムの周辺分布のみが与えられたもとで、処置が有益または厳密に有益である確率の鋭い境界は何か？
• RQ3 共変量や非順応情報の組み込みが、処置利益確率の境界の精度をどのように向上させるか？
• RQ4 鋭い境界の閉形式表現を解析的に導出できるか？また、数値的手法と比較してどう異なるか？
• RQ5 提案された推定量および境界は、教育的および行動的アウトカムを含む実世界の応用において、どのように機能するか？

主な発見

• 提案された因果的推定量τおよびηは、解釈可能であり、順序尺度アウトカムの研究における政策立案や意思決定において直接関連性がある。
• ジョブ・コーパス・プログラムにおいて、70％を超える参加者がプログラムにより時給が低下しなかった。τの95％信頼区間は、共変量なしで0.536〜0.938、共変量ありで0.570〜0.932であった。
• 約20％〜30％の参加者が、プログラムにより時給が厳密に増加した。ηの95％信頼区間は、共変量なしで0.199〜0.363、共変量ありで0.180〜0.331であった。
• 非順応情報の組み込みにより、τの下限は0.558から0.683に向上し、ηの上限は0.379から0.254に低下し、推論の精度が向上した。
• 共変量の導入により、τおよびηの信頼区間が狭まり、境界推定の精度が向上したことが示された。
• 鋭い境界の閉形式表現が導出され、数値的手法に比べて解析的利点を有し、順序尺度アウトカムにおける因果推論への広範な応用を可能にした。