[논문 리뷰] A Versatile Estimation Procedure Without Estimating the Nonignorable Missingness Mechanism

Jiwei Zhao, Yanyuan Ma|arXiv (Cornell University)|2019. 07. 08.

Advanced Causal Inference Techniques참고 문헌 27인용 수 4

한 줄 요약

이 논문은 누락 데이터의 비무시적 메커니즘을 가진 회귀 모형에 대해 누락 메커니즘을 완전히 모델링하지 않고도 적용 가능한 반모수 추정 절차를 제안한다. 누락 메커니즘을 부수적 파라미터로 간주하고 공분산 분포를 포함하는 적분을 추정하기 위해 경험적 및 비모수 기법을 사용함으로써, 누락 메커니즘 모형의 정확한 규명이 필요 없이 점근 정규성과 강건성을 확보하는 방법을 제시한다. 이는 비무시적 메커니즘 하에서 누락 데이터 문제에 대해 다재다능하고 실용적인 해결책을 제공한다.

ABSTRACT

We consider the estimation problem in a regression setting where the outcome variable is subject to nonignorable missingness and identifiability is ensured by the shadow variable approach. We propose a versatile estimation procedure where modeling of missingness mechanism is completely bypassed. We show that our estimator is easy to implement and we derive the asymptotic theory of the proposed estimator. We also investigate some alternative estimators under different scenarios. Comprehensive simulation studies are conducted to demonstrate the finite sample performance of the method. We apply the estimator to a children's mental health study to illustrate its usefulness.

연구 동기 및 목표

• 비관측 결과에 따라 결정되는 누락 메커니즘이 존재하는 회귀 모형에서 비무시적 누락 데이터 문제를 다루는 것.
• 누락 메커니즘을 모델링하거나 추정하는 것을 피할 수 있는 방법을 개발하는 것. 이는 종종 어려움을 겪고 오분석에 취약하기 때문이다.
• 그림자 변수 접근법을 통해 식별 가능성을 확보하면서도 추정 효율성과 강건성을 유지하는 것.
• 이론적으로 탄탄한 점근 정규 추정량을 확립하고 실무에서 쉽게 적용할 수 있도록 하는 것.

제안 방법

• 이 방법은 반모수 모형에서 누락 메커니즘을 부수적 파라미터로 간주하고, 반모수 이론을 활용해 이를 제거한다.
• 적분이 주변 기대값인 경우, 공분산 밀도를 포함하는 적분을 경험적 기대값을 통해 추정한다.
• 조건부 기대값의 경우, 커널 스무딩과 같은 비모수 회귀 기법을 사용해 필요한 적분을 추정한다.
• 그림자 변수 프레임워크 하에서 유도된 효율적 점수 함수를 이용해 추정량을 구성함으로써 점근적 효율성을 확보한다.
• 이 방법은 누락 메커니즘에 대한 비모수적 가정 없이도 모형의 식별 가능성을 보장하기 위해 그림자 변수에 의존한다.
• 이중선형 연산자와 반모수 기법을 사용하여 점근 이론을 수립함으로써 추정량의 점근 정규성과 효율성을 증명한다.

실험 결과

연구 질문

• RQ1 누락 메커니즘을 모델링하지 않더라도 강건하고 효율적인 추정량을 개발할 수 있는가?
• RQ2 누락 메커니즘 모형이 잘못 설정되었을 때, 제안된 추정량의 성능은 기존 방법과 어떻게 비교되는가?
• RQ3 누락 메커니즘에 대한 올바른 모형과 잘못 설정된 모형이 모두 존재할 때 추정량의 점근적 행동은 어떠한가?
• RQ4 다양한 데이터 생성 메커니즘과 분포 가정 하에서도 이 방법이 양호한 유한표본 성능을 유지할 수 있는가?
• RQ5 오라클 추정량과 비모수적 추정량과 비교했을 때, 제안된 방법은 편향, 표준오차, 신뢰구간 포함률 측면에서 어떻게 성능을 보이는가?

주요 결과

• 이론적 유도를 통해 제안된 추정량은 누락 메커니즘 모형의 정확한 규명 없이도 점근 정규성과 효율성을 확보함을 확인하였다.
• 유한표본에서, 다양한 시나리오에서 조작 모형이 잘못 설정되어 있더라도 낮은 편향과 양호한 포함 확률(약 95%)을 보였다.
• 누락 메커니즘이 잘못 모델링되었을 때, 전통적인 비모수적 및 EM 기반 접근법보다 강건성 면에서 뛰어난 성능을 보였다.
• 실험적 표준오차는 잘 추정되었으며, 시뮬레이션 연구에서 포함 확률이 명목 수준(예: 95%)과 유사하게 유지되었다.
• 어린이 정신건강 연구에서, 제안된 추정량은 완전표본 분석 및 비모수적 EM 방법보다 핵심 예측변수(예: 아버지의 교육 수준)에 대해 더 정밀하고 유의미한 추정치를 도출하였다.
• 그림자 변수의 조건부 밀도 모형이 잘못 설정되어도 추정량은 안정적이고 효율적이었으며, 강력한 강건성을 입증하였다.