[논문 리뷰] CausalGPS: An R Package for Causal Inference With Continuous Exposures

Naeem Khoshnevis, Xiao Wu외 1명|arXiv (Cornell University)|2023. 10. 01.

Advanced Causal Inference TechniquesMathematics인용 수 3

한 줄 요약

CausalGPS는 가중치 또는 매칭을 통한 일반화된 투여 확률 점수(GPS)를 사용하여 연속적 노출에 대한 인과적 추론을 가능하게 하는 R 패키지이다. 이 패키지는 GPS 추정, 반복적 변환을 통한 공변량 균형 최적화, 결과 모델링을 자동화하여 실세계 데이터에서 개선된 균형과 효율적인 추정을 달성한다. PM2.5 노출 분석을 통해 최적의 캘리퍼 선택 및 트리밍 전략을 적용한 결과가 입증되었다.

ABSTRACT

Quantifying the causal effects of continuous exposures on outcomes of interest is critical for social, economic, health, and medical research. However, most existing software packages focus on binary exposures. We develop the CausalGPS R package that implements a collection of algorithms to provide algorithmic solutions for causal inference with continuous exposures. CausalGPS implements a causal inference workflow, with algorithms based on generalized propensity scores (GPS) as the core, extending propensity scores (the probability of a unit being exposed given pre-exposure covariates) from binary to continuous exposures. As the first step, the package implements efficient and flexible estimations of the GPS, allowing multiple user-specified modeling options. As the second step, the package provides two ways to adjust for confounding: weighting and matching, generating weighted and matched data sets, respectively. Lastly, the package provides built-in functions to fit flexible parametric, semi-parametric, or non-parametric regression models on the weighted or matched data to estimate the exposure-response function relating the outcome with the exposures. The computationally intensive tasks are implemented in C++, and efficient shared-memory parallelization is achieved by OpenMP API. This paper outlines the main components of the CausalGPS R package and demonstrates its application to assess the effect of long-term exposure to PM2.5 on educational attainment using zip code-level data from the contiguous United States from 2000-2016.

연구 동기 및 목표

• 관찰 연구에서 전통적 방법이 겹침 또는 균형 부족으로 실패하는 연속적 노출에 대한 인과적 추론의 과제를 해결하기 위해.
• GPS 추정, 의사모집단 생성, 결과 모델링을 지원하는 모듈식이며 효율적이고 신뢰할 수 있는 R 패키지를 개발하기 위해.
• 수용 가능한 공변량 균형을 달성하기 위해 최적의 하이퍼파rameter 및 공변량 변환의 자동 선택을 자동화하기 위해.
• 사용자가 노출 및 GPS 지원의 트리밍, 하이퍼파rameter 튜닝, 반복적 균형 개선을 위한 융통성 있는 도구를 제공하기 위해.

제안 방법

• 사용자가 정의한 하이퍼파rameter를 사용하여 앙상블 기계학습 모델(예: XGBoost)을 통해 GPS를 추정하며, 파라미터 기반, 반파라미터 기반, 비파라미터 기반 결과 모델링을 지원한다.
• 사용자가 정의한 단변량 함수(예: 제곱, 세제곱)를 각 단계에서 가장 불균형한 공변량에 적용하는 새로운 반복적 공변량 변환 전략을 구현한다. 이는 GPS 추정을 향상시킨다.
• 노출과 공변량 간의 절대 상관관계를 통해 공변량 균형을 평가하며, 균형 기준(예: 0.1)을 충족하거나 최대 반복 횟수에 도달할 때까지 프로세스를 계속한다.
• 노출(예: exposure_trim_qtls)과 GPS 값(예: gps_trim_qtls)에 대한 트리밍을 적용하여 정규성 확보 및 겹침 영역 개선이 가능하다.
• 패키지는 두 가지 인과적 추론 접근 방식을 지원한다: 역확률가중치법 및 매칭. 매칭은 L1 거리와 캘리퍼 기반 이웃 선택을 사용한다.
• 로깅 시스템, 성능 최적화된 C++ 백엔드, 포괄적인 단위 및 기능 테스트를 포함하여 신뢰성과 확장성 확보.

실험 결과

연구 질문

• RQ1 고차원 공변량을 포함한 관찰 데이터에서 연속적 노출에 대해 일반화된 투여 확률 점수를 효과적으로 추정하고 최적화할 수 있는 방법은 무엇인가?
• RQ2 노출 및 GPS 트리밍이 매칭 기반 인과적 추론에서 공변량 균형과 추정 효율성에 미치는 영향은 무엇인가?
• RQ3 사전에 최적의 변환 방법을 알지 못하더라도 반복적 공변량 변환 전략이 GPS 추정을 향상시키고 수용 가능한 균형을 달성할 수 있는가?
• RQ4 다양한 하이퍼파arameter 설정 및 모델 라이브러리 구성이 GPS 추정 및 최종 인과적 효과 추정에 미치는 영향는 어떠한가?
• RQ5 다양한 트리밍 및 하이퍼파arameter 설정에서 반복적 균형 최적화의 계산 비용과 성능 간의 트레이드오프는 어떠한가?

주요 결과

• 노출 데이터를 10번째와 90번째 백분위수로 트리밍한 결과, 3회 반복과 287.32초의 시간 소요로 최대 절대 상관계수 0.094를 기록하여 가장 우수한 균형을 달성했으며, 더 넓은 트리밍 범위보다 뛰어난 성능을 보였다.
• 최적의 캘리퍼 크기(delta_n)는 트리밍 설정에 따라 달라졌다: 1st–99th 백분위수는 1.7, 5th–95th는 0.9, 10th–90th는 1.9로, 지원 영역 정의에 민감함을 나타냈다.
• 반복적 공변량 변환 전략은 불균형을 효과적으로 감소시켰으며, 10th–90th 백분위수로 트리밍한 경우 3회 반복 후 최고의 균형을 달성했다.
• 극단적인 GPS 값을 제거하는(gps_trim_qtls를 통한) 트리밍은 매칭 품질을 향상시켰지만, 목표 추정량을 변화시켜 인과적 추정량의 해석에 주의가 필요함을 시사했다.
• 패키지는 최대 10회 반복으로 신뢰할 수 있는 성능를 달성했으며, 더 넓은 트리밍 범위와 높은 하이퍼파arameter 탐색 공간에서는 시간 소요가 크게 증가했다.
• generate_pseudo_pop()에서 생성된 S3 객체는 원본 및 조정된 상관계수, 최적 하이퍼파aram터, 매칭된 의사모집단을 포함한 전체 메타데이터를 포함하여 완전한 재현 가능성을 보장한다.