[논문 리뷰] Multiply Robust Causal Inference With Double Negative Control Adjustment for Unmeasured Confounding

Xu Shi, Wang Miao외 1명|arXiv (Cornell University)|2018. 08. 14.

Advanced Causal Inference Techniques인용 수 2

한 줄 요약

이 논문은 측정되지 않은 교란요인을 고려한 관찰 연구에서 평균 치료 효과를 추정하기 위한 다중로버스트(multiply robust), 반모수적 프레임워크를 제안한다. 이는 이중 음성 대조와 다수의 관측된 교란요인을 보정하는 데 사용된다. 논문은 반모수적 효율성 경계를 확립하고, 모형 오Specification에 대해서도 일관성을 유지하는 局소 효율(estimator)을 개발한다.

ABSTRACT

Unmeasured confounding is a threat to causal inference in observational studies. In recent years, use of negative controls to address unmeasured confounding has gained increasing recognition and popularity. Negative controls have a longstanding tradition in laboratory sciences and epidemiology to rule out non-causal explanations, although they have been used primarily for bias detection. Recently, Miao et al. (2017) have described sufficient conditions under which a pair of negative control exposure-outcome variables can be used to nonparametrically identify average treatment effect from observational data subject to uncontrolled confounding. In this paper, building on their results, we provide a general semiparametric framework for obtaining inferences about the average treatment effect with double negative control adjustment for unmeasured confounding, while accounting for a large number of observed confounding variables. In particular, we derive the semiparametric efficiency bound under a nonparametric model for the observed data distribution, and we propose multiply robust locally efficient estimators when nonparametric estimation may not be feasible. We assess the finite sample performance of our methods under potential model misspecification in extensive simulation studies. We illustrate our methods with an application to the evaluation of the effect of higher education on wage among married working women.

연구 동기 및 목표

• 관찰 연구에서 지속적인 원인추론의 유효성을 위협하는 측정되지 않은 교란요인을 다루기 위해.
• 음성 대조를 편향 탐지 초과하여 실제 원인 효과 식별에 응용하기 위해.
• 관측된 교란요인과 측정되지 않은 교란요인을 모두 이중 음성 대조 보정을 통해 통합하는 반모수적 프레임워크를 개발하기 위해.
• 관측된 자료 분포에 대한 비모수적 모형 하에서 평균 치료 효과 추정의 반모수적 효율성 경계를 유도하기 위해.
• 모형 오Specification에 강건한 추정량을 제안하여, 일부 작업 모형이 잘못 설정된 경우에도 유효한 추론을 보장하기 위해.

제안 방법

• 측정되지 않은 교란요인 하에서 평균 치료 효과를 비모수적으로 식별하기 위해 음성 대조 노출-결과 변수의 쌍을 활용한다.
• 관측된 자료 분포에 대한 비모수적 모형 하에서 평균 치료 효과의 반모수적 효율성 경계를 도출한다.
• 최소한 하나의 다수의 작업 모형이 올바르게 설정된 경우에도 일관성을 유지하는 다중로버스트 국소 효율 추정량을 제안한다.
• 반모수적 프레임워크 내에서 유연한 모형화를 통해 다수의 관측된 교란요인을 통합한다.
• 효율성과 강건성을 향상시키기 위해 이중로버스트 추정 방정식 프레임워크 내에서 역확률가중치화와 결과 회귀를 활용한다.
• 정규 조건 하에서 영향 함수 기반 추정을 통해 국소 효율성과 유효한 추론을 달성한다.

실험 결과

연구 질문

• RQ1 측정되지 않은 교란요인과 다수의 관측된 교란요인 존재 하에서 이중 음성 대조 접근법이 비모수적으로 평균 치료 효과를 식별할 수 있는가?
• RQ2 측정되지 않은 교란요인 존재 하에서 비모수적 모형 하에서 평균 치료 효과 추정의 반모수적 효율성 경계는 무엇인가?
• RQ3 일부 모형이 오Specification된 경우에도 일관성을 유지하는 다중로버스트 추정량은 어떻게 구성할 수 있는가?
• RQ4 모형 오Specification 가능성이 있는 유한 표본에서 제안된 추정량의 성능은 어떠한가?
• RQ5 실제 응용 사례에서 교육과 임금 효과에 대한 이 방법의 실증 성능은 어떠한가?

주요 결과

• 제안된 방법은 비모수적 모형 하에서 반모수적 효율성을 달성하여 원인 효과 추정의 이론적 기준을 제공한다.
• 다중로버스트 추정량은 결과 또는 성향 스코어에 대한 일부 작업 모형이 오Specification된 경우에도 일관성을 유지한다.
• 시뮬레이션 연구는 다양한 모형 오Specification 상황 하에서도 추정량이 양호한 유한표본 성능을 유지함을 보여준다.
• 이중 음성 대조 보정은 시뮬레이션과 실증 응용 모두에서 측정되지 않은 교란요인으로 인한 편향을 효과적으로 감소시킨다.
• 기혼 근로 여성의 고등교육과 임금 효과에 대한 응용에서, 이 방법은 양의이고 통계적으로 유의미한 평균 치료 효과 추정치를 도출한다.
• 비모수 추정이 불가능한 경우에도, 다중로버스트 프레임워크 내에서 파라미터적 작업 모형을 사용함으로써 유효한 추론을 제공한다.