[논문 리뷰] Multiply robust dose-response estimation for multivalued causal inference problems

Cian Naik, Emma J. McCoy외 1명|arXiv (Cornell University)|2016. 11. 08.

Advanced Causal Inference Techniques참고 문헌 17인용 수 4

한 줄 요약

이 논문은 다값 처리를 위한 다중 로버스트 복용량-반응 추정기법을 제안한다. 일반화된 성향스코어(GPS) 모형과 결과 회귀(OR) 모형을 조합하여, 적어도 한 쪽 가족 내에서 하나의 모형이 올바르게 특정되어 있으면 평균 잠재 결과의 일致성 있는 추정을 보장한다. 이 방법은 이중 로버스트 추정을 다값 설정으로 확장하며, 이론적 증명과 시뮬레이션을 통해 오염된 공변량과 모형 오_SPECIFICATION에 대한 강건성을 입증한다.

ABSTRACT

This paper develops a multiply robust (MR) dose-response estimator for causal inference problems involving multivalued treatments. We combine a family of generalised propensity score (GPS) models and a family of outcome regression (OR) models to achieve an average potential outcomes estimator that is consistent if just one of the GPS or OR models in each family is correctly specified. We provide proofs and simulations that demonstrate multiple robustness in the context of multivalued causal inference problems.

연구 동기 및 목표

• 다값 처리 설정에서 복용량-반응 추정을 위한 강건한 방법의 부족을 해결하기 위해.
• 이전에 누락 데이터에서 사용된 다중 로버스트 추정을 다값 처리를 갖는 인과적 추론으로 확장하기 위해.
• GPS 또는 OR 가족 내 대부분의 모형이 잘못 지정되어 있더라도 여전히 일관된 추정을 유지하는 방법을 제공하기 위해.
• 다값 인과적 추론에서 오염된 공변량과 기능 형태 오_SPECIFICATION에 대한 이론적 및 실증적 강건성을 입증하기 위해.

제안 방법

• 이 방법은 일반화된 성향스코어(GPS) 모형 가족과 결과 회귀(OR) 모형 가족을 조합하여 평균 잠재 결과(APO) 추정기법을 구성한다.
• 이중 로버스트 추정 방정식을 사용하며, 역확률가중치와 결과 회귀를 활용하고, 다값 처리에 맞게 조정한다.
• GPS 모형 가족에 올바르게 특정된 모형이 있거나 OR 모형 가족에 올바르게 특정된 모형이 있으면 추정기법이 일관성이 있다.
• 이 접근법은 누락 데이터에서의 다중 로버스트 추정 이론을 잠재 결과를 통한 인과적 추론에 적응하여 기반으로 한다.
• 반복적 추정과 여러 GPS 및 OR 모형에 대한 모형 평균화를 기반으로 한 수치적 구현을 위한 알고리즘을 제안한다.
• 반복 기대의 법칙과 측정되지 않은 공변량이 없는 가정을 사용하여 이론적 일관성을 증명한다.

실험 결과

연구 질문

• RQ1 누락 데이터에서의 다중 로버스트 추정을 다값 인과적 추론 문제로 확장할 수 있는가?
• RQ2 여러 GPS 및 OR 모형을 조합하면, 어느 한 가족 내에서 하나의 모형만 올바르게 특정되어 있더라도 여전히 일관된 추정기법을 얻을 수 있는가?
• RQ3 복용량-반응 추정에서 오염된 공변량과 기능 형태 오_SPECIFICATION 하에서 제안된 방법의 성능은 어떠한가?
• RQ4 다값 처리 설정에서 다양한 처리 수준에 대해 평균 잠재 결과의 정확한 추정을 제공할 수 있는가?

주요 결과

• 제안된 추정기법은 다중 로버스트하다: 어느 한 가정 내에서 하나의 GPS 또는 OR 모형만 올바르게 특정되어 있으면 평균 잠재 결과를 일관성 있게 추정한다.
• 시뮬레이션 결과, 오염된 공변량과 모형 오_SPECIFICATION 조건 하에서도 추정기법이 낮은 편향(-0.007에서 -0.003 범위)과 양호한 커버리지 수준을 유지함을 보였다.
• 진짜 기능 형태가 알려지지 않은 경우에도 선형 및 비선형 복용량-반응 함수를 효과적으로 근사한다.
• 이론적 증명에 따르면, GPS 또는 OR 모형이 올바르게 특정되어 있으면 추정 방정식의 이阶항이 사라지며, 이는 일관성을 보장한다.
• 추정기법은 점근 정규성을 확보하고 고차원 및 오_SPECIFIED 모형이 포함된 다양한 시뮬레이션 시나리오에서도 강건한 성능을 유지한다.