[논문 리뷰] Efficient estimation of modified treatment policy effects based on the generalized propensity score

Nima S. Hejazi, David Benkeser외 2명|arXiv (Cornell University)|2022. 05. 11.

Advanced Causal Inference Techniques인용 수 4

한 줄 요약

이 논문은 연속적 치료 조건 하에서 수정된 치료 정책(MTP) 효과를 위한 비모수적이고 효율적인 역확률가중(IPW) 추정기인 유연한 시에이(스리) 기반 일반화된 투여확률 점수(GPS) 추정기를 사용하여 제안한다. 보편적이고 목표 지향적인 과소스무딩 절차를 활용함으로써, 이 방법은 渐近적 효율성을 달성하고 비모수적 효율성 경계에 도달한다. 수치 연구 결과는 중간 크기의 표본 크기(n=500)에서도 경쟁 가능한 성능을 보이며, 반드시 반모수적 이론 지식이 필요로 하지 않는 이중로버스트 추정기와 맞먹는다.

ABSTRACT

Continuous treatments have posed a significant challenge for causal inference, both in the formulation and identification of scientifically meaningful effects and in their robust estimation. Traditionally, focus has been placed on techniques applicable to binary or categorical treatments with few levels, allowing for the application of propensity score-based methodology with relative ease. Efforts to accommodate continuous treatments introduced the generalized propensity score, yet estimators of this nuisance parameter commonly utilize parametric regression strategies that sharply limit the robustness and efficiency of inverse probability weighted estimators of causal effect parameters. We formulate and investigate a novel, flexible estimator of the generalized propensity score based on a nonparametric function estimator that provably converges at a suitably fast rate to the target functional so as to facilitate statistical inference. With this estimator, we demonstrate the construction of nonparametric inverse probability weighted estimators of a class of causal effect estimands tailored to continuous treatments. To ensure the asymptotic efficiency of our proposed estimators, we outline several non-restrictive selection procedures for utilizing a sieve estimation framework to undersmooth estimators of the generalized propensity score. We provide the first characterization of such inverse probability weighted estimators achieving the nonparametric efficiency bound in a setting with continuous treatments, demonstrating this in numerical experiments. We further evaluate the higher-order efficiency of our proposed estimators by deriving and numerically examining the second-order remainder of the corresponding efficient influence function in the nonparametric model. Open source software implementing our proposed estimation techniques, the haldensify R package, is briefly discussed.

연구 동기 및 목표

• 표준 추정기들이 n^{1/2}-속도 효율성을 가지지 못하는 무한차원 모형에서 연속적 치료의 인과적 효과를 추정하는 데 도전하는 것.
• 역확률가중에서 강건성과 효율성을 제한하는 파라미터적 GPS 추정기의 한계를 극복하는 것.
• MTP 효과에 대한 타당한 통계적 추론이 가능하도록 충분히 빠른 수렴 속도를 갖는 비모수적 GPS 추정기를 개발하는 것.
• 연속적 치료 조건 하에서 IPW 추정기가 비모수적 효율성 경계에 도달할 수 있는 조건을 설정하는 것.
• 효율적 영향 함수의 이차 잔차를 통해 제안된 추정기의 고차 효율성 평가하기

제안 방법

• 비모수적 시에이 추정기를 통해 일반화된 투여확률 점수(GPS)를 추정하여 渐近적 추론에 적합한 수렴 속도를 확보한다.
• 결과로 얻어진 IPW 추정기의 渐近적 효율성을 보장하기 위해 GPS 추정기에 대상 지향적 및 보편적인 과소스무딩 절차를 적용한다.
• MTP 효과의 효율적 영향 함수(EIF)를 유도하고, 그 이차 잔차를 활용해 고차 효율성을 평가한다.
• 편향과 분산을 균형 잡는 시에이 추정 프레임워크를 활용해 GPS 추정에서 비모수적 효율성을 달성한다.
• 비교적 우수한 추정기 품질을 향상시키기 위해 결과 회귀 추정을 과소스무딩 파라미터 선택에 통합한다.
• 실제 적용을 위한 실시간 구현을 위해 오픈소스 haldensify R 패키지에 이 방법을 구현한다.

실험 결과

연구 질문

• RQ1 연속적 치료 조건 하에서 MTP 효과의 효율적 추정을 가능하게 하는 비모수적이고 민감한 GPS 추정기를 구성할 수 있는가?
• RQ2 연속적 치료 조건 하에서 MTP 효과의 역확률가중 추정기가 비모수적 효율성 경계에 도달할 수 있는 조건은 무엇인가?
• RQ3 유한표본에서 제안된 IPW 추정기의 성능은 이중로버스트 추정기와 비교해 어떻게 되는가? 특히 편향, 분산, 평균제곱오차 측면에서 평가해 본다.
• RQ4 과소스무딩 절차 선택(목표 지향적 vs. 보편적)이 IPW 추정기의 이차 잔차와 총 효율성에 얼마나 큰 영향을 미치는가?
• RQ5 시간에 따라 변화하는 GPS 추정기를 동시에 과소스무딩함으로써, 이 방법을 종단적 MTP로 확장할 수 있는가?

주요 결과

• 제안된 IPW 추정기는 연속적 치료 조건 하에서 MTP 효과의 비모수적 효율성 경계에 도달한다. 이는 이 맥락에서 처음으로 이러한 특성을 규명한 것이다.
• 수치 실험 결과, 보편적인 과소스무딩을 사용한 IPW 추정기는 중간 표본 크기(n=500)에서도 이중로버스트 추정기와 경쟁 가능한 성능을 보였다.
• 효율적 영향 함수의 이차 잔차는 제안된 선택기들에 의해 최소화되었으며, 이는 강력한 고차 효율성 특성을 시사한다.
• 보편적인 과소스무딩 절차는 반모수적 효율성 이론 지식이 없이도 기존의 이중로버스트 추정기와 유사한 성능을 달성한다.
• haldensify R 패키지는 제안된 방법론을 성공적으로 구현하여 실용적 적용을 가능하게 하였다.
• 결과 회귀 모형이 잘 추정되지 않더라도 이 방법은 강건성을 유지하므로, 민감도 분석 및 더 넓은 적용 가능성을 고려할 수 있다.