[논문 리뷰] Efficient adjustment sets for population average treatment effect estimation in non-parametric causal graphical models

Andrea Rotnitzky, Ezequiel Smucler|arXiv (Cornell University)|2019. 12. 01.

Advanced Causal Inference Techniques참고 문헌 35인용 수 11

한 줄 요약

이 논문은 비모수적 인과적 그래픽 모델에서 최적의 공변량 조정을 위한 그래픽 기준을 확장하며, 선형 모델에서 분산을 최소화하는 조정 집합이 비모수적 인과적 평균 처리 효과 추정기에도 적용된다는 것을 보여준다. 비모수적 추정기의 효율성을 극대화하기 위한 최적의 최소 조정 집합을 선택하기 위한 새로운 기준을 제안하고, 비모수적 추정기가 반모수적 효율 추정기와 동등한 효율성을 달성할 조건을 규명한다.

ABSTRACT

The method of covariate adjustment is often used for estimation of population average treatment effects in observational studies. Graphical rules for determining all valid covariate adjustment sets from an assumed causal graphical model are well known. Restricting attention to causal linear models, a recent article derived two novel graphical criteria: one to compare the asymptotic variance of linear regression treatment effect estimators that control for certain distinct adjustment sets and another to identify the optimal adjustment set that yields the least squares treatment effect estimator with the smallest asymptotic variance among consistent adjusted least squares estimators. In this paper we show that the same graphical criteria can be used in non-parametric causal graphical models when treatment effects are estimated by contrasts involving non-parametrically adjusted estimators of the interventional means. We also provide a graphical criterion for determining the optimal adjustment set among the minimal adjustment sets, which is valid for both linear and non-parametric estimators. We provide a new graphical criterion for comparing time dependent adjustment sets, that is, sets comprised by covariates that adjust for future treatments and that are themselves affected by earlier treatments. We show by example that uniformly optimal time dependent adjustment sets do not always exist. In addition, for point interventions, we provide a sound and complete graphical criterion for determining when a non-parametric optimally adjusted estimator of an interventional mean, or of a contrast of interventional means, is as efficient as an efficient estimator of the same parameter that exploits the information in the conditional independencies encoded in the non-parametric causal graphical model.

연구 동기 및 목표

• 선형 모델에서 최적의 공변량 조정을 위한 그래픽 기준을 비모수적 인과 그래픽 모델으로 확장한다.
• 비모수적 추정에서 개입 평균의 점근적 분산을 최소화하는 최소 조정 집합을 규명한다.
• 순차적 치료 설정에서 시간에 따라 변화하는 조정 집합을 비교하기 위한 그래픽 기준을 개발한다.
• 비모수적으로 조정된 추정기가 반모수적으로 효율적인 추정기와 동등한 효율성을 달성할 조건을 규명한다.
• 비모수적 인과 모델에서 식별 공식과 효율성 간의 관계를 명확히 한다.

제안 방법

• Henckel 등(2019)의 선형 모델에서 분산 최소화를 위한 그래픽 기준을 비모수적 설정으로 확장한다.
• 동일한 기준을 역확률가중, 이중로버스트, 이중 머신러닝 방법과 같은 비모수적 추정기들에 적용한다.
• 최소 유효 조정 집합들 중에서 최적의 조정 집합을 선택하기 위한 새로운 그래픽 기준을 도입한다.
• 유효성과 분산 최소화를 유지하면서 반복적으로 조정 집합을 단순화하는 정렬 절차를 제안한다.
• do-계산법과 조건부 기대값 계층을 사용하여 다양한 조정 집합 하에서 추정기의 효율성을 유도한다.
• 식별 공식의 구조와 비모수적 추정기의 전반적 효율성 간의 연결 고리를 규명한다.

실험 결과

연구 질문

• RQ1 선형 모델에서 최적의 조정을 위한 그래픽 기준을 비모수적 인과 그래픽 모델로 확장할 수 있는가?
• RQ2 비모수적 추정에서 개입 평균의 점근적 분산을 최소화하는 최적의 최소 조정 집합은 무엇인가?
• RQ3 이전 치료에 영향을 받는 변수를 포함하는 시간에 따라 변화하는 조정 집합들은 효율성 측면에서 어떻게 비교할 수 있는가?
• RQ4 비모수적으로 조정된 추정기가 반모수적으로 효율적인 추정기와 동등한 효율성을 달성할 조건은 무엇인가?
• RQ5 간단한 식별 공식이 존재할 경우, 비모수적 조정에서 전반적 효율성이 불가능해지는 경우는 언제인가?

주요 결과

• 선형 모델에서 분산을 최소화하는 조정 집합을 위한 동일한 그래픽 기준이 비모수적 추정기의 개입 평균에도 적용된다.
• 최소 유효 조정 집합들 중에서 최적의 조정 집합을 식별하는 새로운 그래픽 기준이 제안되며, 이는 선형 및 비모수적 추정기 모두에 유효하다.
• 시간에 따라 변화하는 조정 집합은 항상 유일한 최적 집합을 갖지 않으며, 반례를 통해 이를 입증한다.
• 점근적 치료의 경우, 비모수적으로 조정된 추정기가 반모수적으로 효율적인 추정기와 동등한 효율성을 달성할 수 있는 완전하고 타당한 그래픽 기준이 존재한다.
• 개입 평균이 치료, 결과 및 중간변수에만 의존하는 간단한 식별 공식을 가질 경우, 어떤 비모수적 조정 추정제도 전반적 효율성을 달성할 수 없다.
• 알고리즘은 효율적 영향 함수의 단순화를 탐지할 수 있으며, 이를 통해 모델 단순화를 통한 효율성 향상 가능성을 제공한다.