[論文レビュー] Variance-based sensitivity analysis for weighting estimators result in more informative bounds

Melody Huang, Samuel D. Pimentel|arXiv (Cornell University)|Aug 2, 2022

Advanced Causal Inference Techniques被引用数 4

ひとこと要約

本稿では、欠落した交絡要因による残差の不均衡を測定する解釈可能で有界な R² パrameter を用いた分散に基づく感度モデルを導入し、推定量の重み付けを行う。分布的差異（最悪誤差ではなく）をバイアスのモデル化に用いることで、従来の手法よりもきめ細かく、より安定した信頼区間を生成する。実証的検証では、有限標本においても被覆性が向上し、区間が狭くなることが示された。

ABSTRACT

Weighting methods are popular tools for estimating causal effects; assessing their robustness under unobserved confounding is important in practice. In the following paper, we introduce a new set of sensitivity models called "variance-based sensitivity models". Variance-based sensitivity models characterize the bias from omitting a confounder by bounding the distributional differences that arise in the weights from omitting a confounder, with several notable innovations over existing approaches. First, the variance-based sensitivity models can be parameterized with respect to a simple $R^2$ parameter that is both standardized and bounded. We introduce a formal benchmarking procedure that allows researchers to use observed covariates to reason about plausible parameter values in an interpretable and transparent way. Second, we show that researchers can estimate valid confidence intervals under a set of variance-based sensitivity models, and provide extensions for researchers to incorporate their substantive knowledge about the confounder to help tighten the intervals. Last, we highlight the connection between our proposed approach and existing sensitivity analyses, and demonstrate both, empirically and theoretically, that variance-based sensitivity models can provide improvements on both the stability and tightness of the estimated confidence intervals over existing methods. We illustrate our proposed approach on a study examining blood mercury levels using the National Health and Nutrition Examination Survey (NHANES).

研究の動機と目的

• オbservational 因果推論で用いられる重み付け推定量における未観測の交絡要因へのロバストネスを評価する課題に対処すること。
• 研究者が未観測の交絡要因について現実的な値を考察できるようにする、解釈可能で有界な感度モデルを構築すること。
• 最悪誤差境界を越えて、感度分析における信頼区間の安定性と情報性を向上させること。
• 観測された共変量を用いて感度パrameter（R²）の現実的値を示すベンチマーク手順を提供すること。
• 交絡要因とアウトカムの関係に関する実務的知識を組み込むことで、よりきめ細かな境界を実現すること。

提案手法

• 欠落した交絡要因による推定重みと真の重みの分布的差異を制約する分散に基づく感度モデルを提案する。
• R² を用いて、欠落した交絡要因に起因する残差の不均衡の割合を表すパラメータ化を行い、0 から 1 の間で有界にする。
• 観測された共変量を用いて R² パラメータをキャリブレーションする形式的なベンチマーク手順を開発し、解釈性を高める。
• 感度モデル下での最適バイアス境界の閉形式解を導出し、有効な漸近的信頼区間の構築を可能にする。
• 欠落した交絡要因とアウトカムの相関に関する制約を組み込むことで、モデルを拡張し、境界をさらにきめ細かくする。
• 重み付き平均誤差制約下でのバイアス最大化問題として感度分析を定式化し、最悪誤差アプローチとは対照的にする。

実験結果

リサーチクエスチョン

• RQ1 重み付け推定量の感度分析を、従来の最悪誤差に基づくモデルよりも解釈可能で、かつ保守的でない形にどのように改善できるか？
• RQ2 R² のような有界で標準化された感度パラメータは、因果推論における感度分析の解釈性とキャリブレーション性を向上させ得るか？
• RQ3 分散に基づく感度モデル下での信頼区間は、有限標本において、マージナル感度モデルと比較して名目上の被覆性をどの程度維持できるか？
• RQ4 交絡要因とアウトカムの関係を組み込むことで、感度境界のきめ細かさはどの程度向上するか？
• RQ5 分散に基づくモデルは、統計的妥当性を保ちつつ、従来の手法よりも情報量の多い境界を生成できるか？

主な発見

• 分散に基づく感度モデルは、特にマージナル感度モデルが顕著な被覆不足を示す有限標本において、顕著に狭い信頼区間を生成する。
• R² を感度パラメータとして用いることで、解釈性と有界性が保証され、研究者が観測された共変量を用いて現実的な値をベンチマークできる。
• NHANES データを用いた実証的結果では、年齢についても R² = 0.12 のような高い不均衡であっても、アウトカムと相関がなければバイアスは低くなることが示された。
• アウトカム-交絡要因相関の制約を組み込むことで、境界が顕著にきめ細かくなり、不均衡とアウトカム関連性の両方の重要性が明らかになった。
• 最適バイアス境界の閉形式解により、効率的かつ妥当な推論が可能となり、感度モデル下で漸近的に有効な信頼区間が得られた。
• 最悪誤差モデルと比較して、分布的差異に焦点を当てることで、分散に基づくアプローチは安定性と情報性の両面で優れている。