[논문 리뷰] Combining multiple observational data sources to estimate causal effects

Shu Yang, Peng Ding|arXiv (Cornell University)|2018. 01. 02.

Advanced Causal Inference Techniques참고 문헌 66인용 수 10

한 줄 요약

이 논문은 주 관측 데이터와 보다 작은 보정 데이터를 통합하여 원인 효과 추정의 효율성을 향상시키면서도 일致성을 유지하는 일반적인 프레임워크를 제안한다. 보정 데이터 기반 추정기와 주 데이터 기반 추정기 간의 상관관계를 校정된 조정을 통해 활용함으로써, 측정되지 않은 혼란인자에 대한 비모수적 모델이 필요로 하지 않으면서도 효율성을 향상시키며, 부트스트랩 절차를 사용하여 표준 소프트웨어 루틴으로도 구현 가능한 방법을 제공한다.

ABSTRACT

The era of big data has witnessed an increasing availability of multiple data sources for statistical analyses. We consider estimation of causal effects combining big main data with unmeasured confounders and smaller validation data with supplementary information on these confounders. Under the unconfoundedness assumption with completely observed confounders, the smaller validation data allow for constructing consistent estimators for causal effects, but the big main data can only give error-prone estimators in general. However, by leveraging the information in the big main data in a principled way, we can improve the estimation efficiencies yet preserve the consistencies of the initial estimators based solely on the validation data. Our framework applies to asymptotically normal estimators, including the commonly-used regression imputation, weighting, and matching estimators, and does not require a correct specification of the model relating the unmeasured confounders to the observed variables. We also propose appropriate bootstrap procedures, which makes our method straightforward to implement using software routines for existing estimators.

연구 동기 및 목표

• 큰 관측 데이터셋에서 측정되지 않은 혼란인자를 다루는 데 어려움을 해결하기 위해, 더 작은 보정 샘플에서 제공하는 보완적 혼란인자 정보를 통합함으로써 측정되지 않은 혼란인자의 영향을 완화하고자 한다.
• 오직 보정 데이터만을 사용할 때 얻을 수 있는 것보다 더 높은 원인 효과 추정 효율성을 향상시키되, 일관성을 유지하고자 한다.
• 복잡한 측정되지 않은 혼란인자의 모델링을 피하고 기존 추정기를 활용하는 실용적이고 소프트웨어 우호적인 방법을 개발하고자 한다.
• 유연하고 비모수적 조정을 통해 주 데이터와 보정 데이터 샘플 간 이질성에 대한 민감도 분석을 가능하게 하고자 한다.

제안 방법

• 비편향성 조건 하에 보정 데이터를 사용하여 일관된 초기 추정기를 구성한다.
• 주 데이터로부터 오차를 포함하는 추정기를 정의하며, 이는 초기 추정기와 상관관계가 있지만 측정되지 않은 혼란인자로 인해 편향되어 있다.
• 두 추정기 간의 차이를 0의 추정기로 모델링함으로써 校정된 조정을 적용하여 효율성을 향상시킨다.
• 이론적 점근적 분석을 통해 분산을 최소화하면서도 일관성을 유지하는 최적의 가중치를 유도한다.
• 기존 추정기의 표준 소프트웨어를 사용하여 쉽게 적용할 수 있도록 부트스트랩 절차를 제안한다.
• 일반적인 조건 하에서, 회귀 보정, 역확률가중치, 매칭 등 다양한 추정기 유형에 적용 가능한 프레임워크이다.

실험 결과

연구 질문

• RQ1 측정되지 않은 혼란인자에 대한 정보를 제공하는 작은 보정 샘플 뿐만으로도 원인 효과 추정의 효율성을 어떻게 향상시킬 수 있는가?
• RQ2 큰 주 데이터와 더 작은 보정 데이터를 통합하여 원인 인과 추론에서 일관성과 더 높은 효율성을 동시에 달성할 수 있는가?
• RQ3 측정되지 않은 혼란인자와 관측 변수 간의 관계를 정확히 특정할 필요 없이, 여러 데이터 소스의 정보를 통합하는 실용적이고 모델 기반의 접근 방법은 무엇인가?
• RQ4 추정 과정에서 주 데이터와 보정 데이터 샘플 간 잠재적인 이질성을 어떻게 고려할 수 있는가?
• RQ5 기존 소프트웨어 루틴을 사용하여 효율적인 원인 추정기를 계산적으로 구현할 수 있는 방법은 무엇인가?

주요 결과

• 제안된 방법은 비편향성 조건 하에 일관성을 유지하면서도, 초기 보정 데이터 전용 추정기보다 더 높은 추정 효율성을 달성한다.
• 이 프레임워크는 회귀 보정, 역확률가중치, 매칭 등 점근적으로 정규분포를 따르는 추정기의 광범위한 클래스에 적용 가능하다.
• 측정되지 않은 혼란인자와 관측 변수 간의 관계를 정확히 모수적으로 모형화할 필요가 없다.
• 부트스트랩 기반 추론은 실현 가능하고 실용적이며, 기존 추정기의 표준 소프트웨어를 사용하여 쉽게 적용할 수 있다.
• 시스템적 차이를 정량화하기 위해 매개변수 δ를 도입함으로써 주 데이터와 보정 데이터 추정기 간의 이질성에 대한 민감도 분석을 수행할 수 있다.
• 모형 오류에 대해 강건하며, 보정 샘플이 주 데이터에서 단순 무작위 표본이 아니더라도 여전히 유효하다.