[논문 리뷰] Bounded, efficient and multiply robust estimation of average treatment effects using instrumental variables

Linbo Wang, Eric Tchetgen Tchetgen|arXiv (Cornell University)|2016. 11. 29.

Advanced Causal Inference Techniques참고 문헌 52인용 수 8

한 줄 요약

이 논문은 비모수적이고 효율적이며 다중 강건한 추정기법을 제공하는 새로운 식별 프레임워크와 평균 치료 효과(Average Treatment Effect, ATE)를 위한 지침 변수(Instrumental Variables, IVs) 기반 추정기법을 제안한다. 이는 모형 오특사용에도 불구하고 유한하고 효율적이며 일致된 추정을 가능하게 하며, 식별 조건과 추정 모형을 분리함으로써 관측된 데이터 모형에 대한 특정한 암묵적 가정 없이 ATE 식별을 보장한다. 또한, 여러 모형 중 하나 이상이 올바르게 지정된 경우에도 일致하는 다중 강건한 추정기법을 제공한다.

ABSTRACT

Instrumental variables (IVs) are widely used for estimating causal effects in the presence of unmeasured confounding. Under the standard IV model, however, the average treatment effect (ATE) is only partially identifiable. To address this, we propose novel assumptions that allow for identification of the ATE. Our identification assumptions are clearly separated from model assumptions needed for estimation, so that researchers are not required to commit to a specific observed data model in establishing identification. We then construct multiple estimators that are consistent under three different observed data models, and multiply robust estimators that are consistent in the union of these observed data models. We pay special attention to the case of binary outcomes, for which we obtain bounded estimators of the ATE that are guaranteed to lie between -1 and 1. Our approaches are illustrated with simulations and a data analysis evaluating the causal effect of education on earnings.

연구 동기 및 목표

• 비관측 혼란인자 존재 하에서 지침 변수(IVs)를 사용하여 평균 치료 효과(ATE)를 추정하는 데 도전하는 것.
• 식별 조건과 추정 모형을 분리하여 연구자가 식별 단계에서 특정 관측 데이터 모형에 대한 암묵적 약속을 피할 수 있도록 하는 식별 조건을 개발하는 것.
• 세 가지 다른 관측 데이터 모형에서 일관된 추정기법을 개발하여 모형 오특사용에 대한 강건성을 향상시키는 것.
• 이항 결과에 대한 추정기법이 -1과 1 사이에 유한하게 유지되도록 하여 해석 가능성과 타당성을 보존하는 것.
• 여러 모형 중 하나 이상이 올바르게 지정된 경우에도 일관된 추정기법을 제공하는 다중 강건한 추정기법을 제공하는 것.

제안 방법

• 식별 조건과 추정 조건를 분리하는 새로운 식별 조건을 도입하여 모델링의 유연성을 제공하는 것.
• 세 가지 서로 다른 관측 데이터 모형에서 일관된 추정기법을 개발하며, 각각 다른 조건부 독립성 가정에 대응하는 것.
• 세 모형 중 하나 이상이 올바르게 지정된 경우에도 일관된 추정기법을 제공하는 다중 강건한 추정기법을 개발하는 것.
• 이항 결과에 대해 [-1, 1] 범위 내에 항상 존재하도록 보장하는 유한한 추정기법을 유도하는 것.
• 이중 강건성 원리를 IV 환경에서 활용하여 효율성과 강건성을 확보하는 반모수적 추론 기법을 활용하는 것.
• 모형 불확실성 하에서 추정 성능을 향상시키기 위해 이중 강건 프레임워크 내에서 역확률가중치와 결과 회귀를 활용하는 것.

실험 결과

연구 질문

• RQ1 비관측 혼란인자가 존재하는 상황에서 지침 변수를 사용하여 평균 치료 효과(ATE)를 비모수적으로 식별할 수 있는 방법은 무엇인가?
• RQ2 식별 조건를 추정 모형에서 명확히 분리할 수 있는가? 이는 방법론적 투명성과 모델링의 유연성을 향상시킬 수 있는가?
• RQ3 여러 관측 데이터 모형에서 일관된 추정기법은 무엇이며, 이를 어떻게 조합하여 다중 강건 추론을 달성할 수 있는가?
• RQ4 이항 결과에 대한 추정기법은 어떻게 -1과 1 사이에 유한하게 유지하면서도 효율성과 강건성을 유지할 수 있는가?
• RQ5 여러 작업 모형이 오특사용된 경우에도 일관된 효율적이고 다중 강건한 추정기법을 구성할 수 있는가?

주요 결과

• 제안된 식별 조건는 지침 변수를 사용할 때 결과나 치료 메커니즘에 대한 강력한 비모수적 모형화를 요구하지 않고도 ATE의 비모수적 식별을 가능하게 한다.
• 이 방법은 식별과 추정을 성공적으로 분리하여 연구자가 특정 관측 데이터 모형에 대한 암묵적 약속 없이도 식별 가능성을 확립할 수 있도록 한다.
• 세 가지 서로 다른 관측 데이터 모형에서 일관된 추정기법이 개발되었으며, 각각 다른 조건부 독립성 가정에 기반한다.
• 세 모형 중 하나 이상이 올바르게 지정된 경우에도 일관된 다중 강건한 추정기법이 개발되어 강건성이 크게 향상된다.
• 이항 결과에 대해 제안된 추정기법은 반드시 -1과 1 사이에 존재하여 이론적으로 타당한 범위 내에서 효과 추정치를 유지한다.
• 시뮬레이션과 실데이터 분석을 통해 제안된 추정기법이 모형 오특사용 하에서도 높은 효율성과 양호한 근사 표본 성능을 유지하는 것으로 확인되었다.