[論文レビュー] Uncertainty in the Design Stage of Two-Stage Bayesian Propensity Score Analysis

Shirley Liao, Corwin Zigler|arXiv (Cornell University)|Sep 13, 2018

Advanced Causal Inference Techniques参考文献 37被引用数 6

ひとこと要約

本稿は、適合度の不確実性を2段階の傾向スコア分析に伝搬するためのベイジアン枠組みを提案する。設計段階の不確実性（推定と実装の両方を含む）を、あり得る設計の分布全体にわたって周辺化することで、推定と実装の不確実性を同時に考慮する。実証的に、この不確牢性を組み込むことで、特にマッチングと層別化において、標準的手法に比べて平均二乗誤差と信頼性の高いカバレッジが向上することを示している。

ABSTRACT

The two-stage process of propensity score analysis (PSA) includes a design stage where propensity scores are estimated and implemented to approximate a randomized experiment and an analysis stage where treatment effects are estimated conditional upon the design. This paper considers how uncertainty associated with the design stage impacts estimation of causal effects in the analysis stage. Such design uncertainty can derive from the fact that the propensity score itself is an estimated quantity, but also from other features of the design stage tied to choice of propensity score implementation. This paper offers a procedure for obtaining the posterior distribution of causal effects after marginalizing over a distribution of design-stage outputs, lending a degree of formality to Bayesian methods for PSA (BPSA) that have gained attention in recent literature. Formulation of a probability distribution for the design-stage output depends on how the propensity score is implemented in the design stage, and propagation of uncertainty into causal estimates depends on how the treatment effect is estimated in the analysis stage. We explore these differences within a sample of commonly-used propensity score implementations (quantile stratification, nearest-neighbor matching, caliper matching, inverse probability of treatment weighting, and doubly robust estimation) and investigate in a simulation study the impact of statistician choice in PS model and implementation on the degree of between- and within-design variability in the estimated treatment effect. The methods are then deployed in an investigation of the association between levels of fine particulate air pollution and elevated exposure to emissions from coal-fired power plants.

研究の動機と目的

• 観察研究における因果効果推定に、傾向スコア推定と実装に起因する設計段階の不確実性を形式的に伝搬すること。
• 設計不確実性の2つの源を区別し、定量化すること：傾向スコア推定に起因する設計推定不確実性（DEU）と、実装選択に起因する設計意思決定不確実性（DDU）。
• あり得る設計の分布にわたって周辺化するベイジアンアプローチを開発し、因果効果推定の頑健性を向上させること。
• 傾向スコアモデルと実装選択が、治療効果推定における設計間および設計内変動に与える影響を評価すること。

提案手法

• 傾向スコアモデルと実装タイプ（例：マッチング、重み付け、サブクラス別化）に基づいて、あり得る設計の確率分布を定式化する。
• ベイジアン推論を用いて、設計段階の出力の分布全体にわたって積分することで、因果効果の後確率分布を計算する。
• 設計と分析の段階を分離し、結果データが設計段階の不確実性評価に使用されないよう保証する。
• 5つの一般的な傾向スコア実装（四分位層別化、最近傍マッチング、カイパー・マッチング、逆確率重み付け、二重に頑健な推定）にこの手法を実装する。
• シミュレーション研究を用いて、傾向スコアモデルと実装選択が変動と推定精度に与える影響を評価する。
• 実世界の研究（大気汚染と石炭火力発電所の排出ガス）にこの手法を適用し、実用的有用性を示す。

実験結果

リサーチクエスチョン

• RQ1 傾向スコア推定と実装に起因する設計段階の不確実性は、因果効果推定の精度と妥当性にどのように影響するか？
• RQ2 マッチングと重み付けなどの異なる傾向スコア実装（例：マッチング対重み付け）は、治療効果推定における設計間および設計内変動にどの程度寄与するか？
• RQ3 ベイジアン推論による設計不確実性の周辺化は、標準的手法（PSA）と比較して、平均二乗誤差とカバレッジの観点でどのように異なるか？
• RQ4 設計意思決定不確実性（DDU）は、同じ傾向スコア値に対して異なる設計出力の変動を生じる役割を果たすか？
• RQ5 低次元の共変量の重複領域や高い交絡要因相関が見られる状況において、提案されたベイジアンアプローチは因果推論の頑健性を向上させることができるか？

主な発見

• 最近傍マッチングと層別化において、ベイジアン傾向スコア分析（BPSA）は、標準的手法（PSA）と比較して平均二乗誤差（MSE）を低減し、推定精度の向上を示した。
• 二重に頑健な推定と層別化において、BPSAは標準的手法と同等のカバレッジを達成しており、適切な頻度的性質を有していることを示唆している。
• 設計間変動は、主に傾向スコア実装の選択に強く影響を受けており、マッチングと重み付けでは設計段階の不確実性に対してより感受性が高かった。
• 設計内変動は主に傾向スコア推定不確実性（DEU）によって駆動されており、設計意思決定不確実性（DDU）は実装出力における追加の確率的ばらつきをもたらしていた。
• シミュレーション研究により、統計的選択（傾向スコアモデルと実装）が、因果効果推定に伝搬される不確実性の程度に顕著な影響を与えることが確認された。
• この手法は設計不確実性を適切に周辺化できており、2段階の傾向スコア分析における不確実性評価のより形式的かつ包括的なアプローチを提供した。