[논문 리뷰] Robust and flexible estimation of data-dependent stochastic mediation effects: a proposed method and example in a randomized trial setting

Kara E. Rudolph, Oleg Sofrygin외 2명|arXiv (Cornell University)|2017. 07. 27.

Advanced Causal Inference Techniques인용 수 3

한 줄 요약

이 논문은 노출에 의해 영향을 받는 중간 조정 변수와 결과 간의 측정되지 않은 혼란 변수가 없는 강력한 가정을 완화하는 데이터 의존적 확률적 중재 효과를 위한 이중 강건한, 반모수적 타겟된 최소 손실 기반 추정기를 제안한다. 노출에 의해 영향을 받는 중간 조정 변수를 시계열적으로 변화하는 변수로 간주하고 중간 변수에 대한 확률적 간섭을 사용함으로써, 표준 가정이 위반될 경우에도 자연적 직접 효과와 간접 효과의 타당한 추정이 가능해진다. 이는 이동할 수 있는 기회 시험에서 청소년 마리화나 사용에 대한 중재 효과에 대한 증거가 없음을 보여주는 응용 사례를 통해 입증되었다.

ABSTRACT

Causal mediation analysis can improve understanding of the mechanisms underlying epidemiologic associations. However, the utility of natural direct and indirect effect estimation has been limited by the assumption of no confounder of the mediator-outcome relationship that is affected by prior exposure---an assumption frequently violated in practice. We build on recent work that identified alternative estimands that do not require this assumption and propose a flexible and double robust semiparametric targeted minimum loss-based estimator for data-dependent stochastic direct and indirect effects. The proposed method treats the intermediate confounder affected by prior exposure as a time-varying confounder and intervenes stochastically on the mediator using a distribution which conditions on baseline covariates and marginalizes over the intermediate confounder. In addition, we assume the stochastic intervention is given, conditional on observed data, which results in a simpler estimator and weaker identification assumptions. We demonstrate the estimator's finite sample and robustness properties in a simple simulation study. We apply the method to an example from the Moving to Opportunity experiment. In this application, randomization to receive a housing voucher is the treatment/instrument that influenced moving to a low-poverty neighborhood, which is the intermediate confounder. We estimate the data-dependent stochastic direct effect of randomization to the voucher group on adolescent marijuana use not mediated by change in school district and the stochastic indirect effect mediated by change in school district. We find no evidence of mediation. Our estimator is easy to implement in standard statistical software, and we provide annotated R code to further lower implementation barriers.

연구 동기 및 목표

• 노출이 중간 변수에 영향을 주는 중간 변수와 결과 간의 측정되지 않은 혼란 변수가 없는 표준 가정에 의존하는 표준 인과 중재 분석의 한계를 해결한다.
• 이 가정이 위반될 경우, 특히 시계열적으로 변화하는 중간 조정 변수가 있는 설정에서 자연적 직접 효과와 간접 효과의 타당한 추정이 가능하도록 하는 방법을 개발한다.
• 기본 공변수 조건 하에 중간 조정 변수를 평균화한 조건부 확률적 간섭을 사용하는 탄력적이고 이중 강건한 추정기를 제안한다.
• 시뮬레이션을 통해 추정기의 유한 표본 성능과 강건성을 입증하고, 실제로는 Moving to Opportunity 무작위 시험의 데이터에 적용한다.
• 응용 epidemiology 및 사회과학 연구에서 널리 채택될 수 있도록 주어된 주석이 달린 R 코드를 제공하여 구현 장벽을 낮춘다.

제안 방법

• 중간 조정 변수—이전 노출에 의해 영향을 받는 변수—를 중간 변수-결과 관계에서 시간에 따라 변화하는 조정 변수로 간주한다.
• 중간 변수에 대한 확률적 간섭을 사용하며, 간섭 분포는 기본 공변수 조건 하에 지정되고 중간 조정 변수에 대해 평균화된다.
• 추정기는 타겟된 최소 손실 기반 추정(TMLE)에 기반하며, 더 약한 식별 가정 하에서 이중 강건성과 점근적 효율성을 보장한다.
• 관측된 자료가 주어졌을 때 확률적 간섭이 알려져 있다고 가정함으로써, 식별 및 추정 과정이 단순화된다.
• 모수적 모형의 정확성을 요구하지 않기 때문에, 결과, 중간 변수, 중간 조정 변수 분포를 탄력적으로 모형화하기 위해 반모수 추정을 사용한다.
• 추정기가 결과 모형이나 중간 변수/중간 조정 변수 모형 중 하나만 정확하게 지정되어 있더라도 일관성이 유지되도록 하여 이중 강건성을 달성한다.

실험 결과

연구 질문

• RQ1 노출에 의해 영향을 받는 중간 조정 변수가 존재할 경우, 중간 변수와 결과 간의 표준 무혼란 가정을 요구하지 않고 자연적 직접 효과와 간접 효과를 추정할 수 있는가?
• RQ2 중간 변수에 대한 확률적 간섭을 어떻게 활용하여 중간 조정에 강건한 데이터 의존적 인과 효과를 정의하고 추정할 수 있는가?
• RQ3 모형 잘못 지정 상황에서 제안된 추정기의 유한 표본 성능과 강건성은 어떠한가?
• RQ4 Moving to Opportunity 실험에서 주거 보조금 수혜를 받도록 무작위 배정하는 것이 학교 구역 변경을 통해 청소년 마리화나 사용에 영향을 주는가?
• RQ5 제안된 방법은 최소한의 기술적 장벽으로 표준 통계 소프트웨어에서 효율적으로 구현될 수 있는가?

주요 결과

• 제안된 추정기는 시뮬레이션 연구에서 뛰어난 유한 표본 성능과 모형 잘못 지정에 대한 강건성을 보였다.
• Moving to Opportunity 응용 사례에서 청소년 마리화나 사용에 대한 학교 구역 변경을 통한 중재 효과에 통계적으로 유의미한 증거가 없었다.
• 표준 중재 가정이 위반되었을 경우에도 현실적인 가정 하에서 데이터 의존적 확률적 직접 효과와 간접 효과를 성공적으로 추정하였다.
• 추정기는 계산적으로 실현 가능하며, 제공된 주석이 달린 R 코드를 통해 표준 통계 소프트웨어로 쉽게 구현 가능하다.
• 노출에 의해 영향을 받는 조정 변수를 시간에 따라 변화하는 조정 변수로 간주하고, 확률적 간섭에서 이를 평균화함으로써 식별 가정을 줄였다.
• 측정되지 않은 혼란 변수가 중간 변수-결과 관계에 존재할 가능성이 있는 설정에서 전통적 중재 분석의 실용적인 대안을 제공한다.