[논문 리뷰] Average causal effect estimation via instrumental variables: the no simultaneous heterogeneity assumption

Fernando Pires Hartwig, L. Wang외 2명|arXiv (Cornell University)|2020. 10. 20.

Advanced Causal Inference Techniques참고 문헌 1인용 수 11

한 줄 요약

이 논문은 평균 인과적 효과(Average Causal Effect, ACE)를 추정하기 위해 고전적인 조건인 인과 효과의 동질성 또는 영향력 수정 없음 조건과 대비하여 더 약한 조건으로서, 동시 이질성 없음(No Simultaneous Heterogeneity, NOSH) 가정을 제안한다. NOSH는 X-Y 인과 효과의 이질성이 기여자-X 연관성과 그 이질성과 상관관계가 없음을 요구하며, 이로 인해 전통적인 가정이 위반되더라도 유효한 ACE 추정이 가능하다.

ABSTRACT

Background: Instrumental variables (IVs) can be used to provide evidence as to whether a treatment X has a causal effect on an outcome Y. Even if the instrument Z satisfies the three core IV assumptions of relevance, independence and the exclusion restriction, further assumptions are required to identify the average causal effect (ACE) of X on Y. Sufficient assumptions for this include: homogeneity in the causal effect of X on Y; homogeneity in the association of Z with X; and no effect modification (NEM). Methods: We describe the NO Simultaneous Heterogeneity (NOSH) assumption, which requires the heterogeneity in the X-Y causal effect to be mean independent of (i.e., uncorrelated with) both Z and heterogeneity in the Z-X association. This happens, for example, if there are no common modifiers of the X-Y effect and the Z-X association, and the X-Y effect is additive linear. We illustrate NOSH using simulations and by re-examining selected published studies. Results: When NOSH holds, the Wald estimand equals the ACE even if both homogeneity assumptions and NEM (which we demonstrate to be special cases of - and therefore stronger than - NOSH) are violated. Conclusions: NOSH is sufficient for identifying the ACE using IVs. Since NOSH is weaker than existing assumptions for ACE identification, doing so may be more plausible than previously anticipated.

연구 동기 및 목표

• 표준 가정(예: 동질성 또는 영향력 수정 없음)이 위반될 경우 인과 변수(IV) 분석에서 평균 인과 효과(ACE)를 식별하는 데 도전하는 문제를 다루는 것.
• 엄격한 동질성 또는 영향력 수정 제약 조건이 필요 없도록 하는 새로운 식별 가정인 동시 이질성 없음(NOSH)을 제안하는 것.
• NOSH가 기존 가정보다 충분하고 더 약한 조건임을 보여주어 IV 환경에서 유효한 인과 추론의 범위를 확장하는 것.
• 시뮬레이션과 기존 연구의 재분석을 통해 NOSH 가정의 실증 가능성과 강건성을 검증하는 것.

제안 방법

• NOSH 가정 정의: X-Y 인과 효과의 이질성은 Z-X 연관성의 이질성과 기여자 Z 자체와 평균 독립이다.
• NOSH 하에서의 Wald 추정량을 수립하여, 동질성 및 영향력 수정 없음 조건이 위반되더라도 ACE와 동일함을 보여준다.
• 구조적 인과 모델과 선형 구조 방정식을 사용해 치료 X, 결과 Y, 기여자 Z, 관측되지 않은 혼란 요인 간의 관계를 수식화한다.
• 표준 가정이 실패할 경우 NOSH 하에서의 Wald 추정량 성능을 평가하기 위해 시뮬레이션을 수행한다.
• 실제 인과 추론 환경에서 NOSH의 실용적 적용 가능성을 보여주기 위해 기존 연구를 재분석한다.
• NOSH가 동질성과 영향력 수정 없음을 특수 케이스로 포함하고 일반화함을 보여주어, 더 민첩한 식별 조건임을 입증한다.

실험 결과

연구 질문

• RQ1 엄격한 인과 효과의 동질성이 요구되지 않는 조건에서 기여자 변수(IV)를 사용해 평균 인과 효과(ACE)를 식별할 수 있는가?
• RQ2 Wald 추정량이 ACE와 동일하게 유지되도록 보장하는 NEM보다 더 약한 식별 가정은 존재하는가?
• RQ3 X-Y 효과와 Z-X 연관성이 모두 이질적일 경우, 어떤 조건에서 Wald 추정량이 여전히 ACE의 타당한 추정량으로 유지되는가?
• RQ4 NOSH 가정은 기존 IV 분석의 식별 가정과 이론적·실증적으로 어떻게 비교되는가?
• RQ5 NOSH 가정은 실세계 관측 연구에서 실제로 적용되어 인과 추론의 타당성을 향상시킬 수 있는가?

주요 결과

• NOSH 가정은 인과 효과의 동질성과 영향력 수정 없음(NEM) 조건이 위반되더라도, 기여자 변수(IV)를 사용한 평균 인과 효과(ACE) 식별에 충분하다.
• NOSH는 동질성과 NEM보다 더 약한 가정이며, X-Y 인과 효과와 Z-X 연관성의 이질성이 존재하더라도 이들이 동시에 상관관계가 없으면 허용한다.
• NOSH 가정이 성립할 경우, Wald 추정량은 ACE를 일관되게 추정하며, 이는 이전에 상정된 것보다 더 넓은 조건에서도 강건함을 보여준다.
• 시뮬레이션 결과, 이질적 치료 효과와 기여자 노출이 존재하더라도 Wald 추정량은 편향 없고 일관됨을 확인하였다.
• 기존 연구의 재분석 결과, NOSH 가정은 실세계 환경에서 타당하게 성립할 수 있음을 보여주어, 기존에 인식된 것보다 IV 방법의 적용 범위가 넓다는 것을 시사한다.
• NOSH 가정은 기존의 식별 조건을 일반화하며, IV 분석에서의 인과 추론 기반으로 더 민감하고 실증적으로 타당한 조건으로서 위치를 차지한다.