[논문 리뷰] Semiparametric sensitivity analysis: unmeasured confounding in observational studies

Razieh Nabi, Matteo Bonvini외 4명|arXiv (Cornell University)|2021. 04. 16.

Advanced Causal Inference Techniques인용 수 6

한 줄 요약

이 논문은 관찰 연구에서 측정되지 않은 교란요인에 대한 평균인과효과(ACE) 추정치의 탄력성을 평가하기 위해 반모수적 민감도 분석 방법을 개발한다. 고정된 민감도 파라미터 하에서 비모수적 효율적 영향함수를 활용하여, 민감도 파라미터에 제약을 두지 않고 √n 점근정규성을 달성하는 일단계, 분할표본, 잘라내기 추정량을 구축함으로써, 담배 피우기와 태아 체중 간 인과관계와 같은 설정에서 탄력적인 추론이 가능하다.

ABSTRACT

Establishing cause-effect relationships from observational data often relies on untestable assumptions. It is crucial to know whether, and to what extent, the conclusions drawn from non-experimental studies are robust to potential unmeasured confounding. In this paper, we focus on the average causal effect (ACE) as our target of inference. We generalize the sensitivity analysis approach developed by Robins et al. (2000), Franks et al. (2020), and Zhou and Yao (2023). We use semiparametric theory to derive the non-parametric efficient influence function of the ACE, for fixed sensitivity parameters. We use this influence function to construct a one-step, split sample, truncated estimator of the ACE. Our estimator depends on semiparametric models for the distribution of the observed data; importantly, these models do not impose any restrictions on the values of sensitivity analysis parameters. We establish sufficient conditions ensuring that our estimator has root-n asymptotics. We use our methodology to evaluate the causal effect of smoking during pregnancy on birth weight. We also evaluate the performance of estimation procedure in a simulation study.

연구 동기 및 목표

• 관찰 연구에서 측정되지 않은 교란요인에 대한 평균인과효과(ACE) 추정치의 민감도를 평가하기 위한 탄력적인 방법을 개발하기 위해.
• 민감도 파라미터에 대한 비모수적 제약 조건 없이 반모수적 이론을 통합함으로써 기존 민감도 분석 프레임워크를 일반화하기 위해.
• 민감도 파라미터에 대해 최소한의 정규성 조건 하에서도 √n 점근정규성을 달성하는 제안된 추정량을 보장하기 위해.
• 측정되지 않은 교란요인이 존재할 수 있는 상황에서 임신 중 담배 피우기의 태아 체중에 대한 인과효과를 평가하기 위해.
• 잔여 함수를 유연한 모델로 추정할 경우에도 유효한 추론이 유지되는 실용적이고 추론이 타당한 방법을 제공하기 위해.

제안 방법

• 측정되지 않은 교란요인에 대한 민감도 파라미터를 포함하는 반모수적 모델의 일군에서 ACE에 대한 비모수적 효율적 영향함수를 유도한다.
• 영향함수를 활용하여 효율성과 탄력성을 향상시키는 일단계, 분할표본, 잘라내기 추정량을 제안한다.
• 약한 정규성 조건 하에서도 점근정규성과 추론의 타당성을 보장하기 위해 표본 분할을 활용한다.
• 민감도 파라미터에 제약을 두지 않고, 잔여 함수에 대해 민감도 파라미터에 제약을 두지 않는 복잡한 반모수적 모델(예: GAMs, 단일지수 모델, 또는 Super Learner)을 사용한다.
• √n 점근성질을 확보하기 위한 충분조건을 수립하여, 민감도 파라미터가 알려지지 않았거나 변동할 경우에도 유효한 추론을 보장한다.
• 영향함수 이론을 활용하여 복잡한 교란요인 구조나 중재자 또는 무시할 수 없는 결측이 있는 모델로의 확장을 가능하게 하여, 영향함수 프레임워크를 수정한다.

실험 결과

연구 질문

• RQ1 관찰 연구에서 측정되지 않은 교란요인에 대한 평균인과효과 추정치의 탄력성을 반모수적 프레임워크를 통해 어떻게 평가할 수 있는가?
• RQ2 민감도 파라미터 하에서 ACE에 대한 영향함수 기반 추정량은 무엇이며, √n 점근정규성을 달성하는가?
• RQ3 측정되지 않은 교란요인이 존재할 경우 유한표본에서 제안된 방법의 성능은 어떠한가?
• RQ4 이 방법은 담배 피우기와 태아 체중 간 인과관계와 같은 실제 데이터에 적용될 수 있는가? 특히 타당한 민감도 파라미터 값 하에서.
• RQ5 민감도 파라미터 존재 하에서 잔여 함수에 대해 비모수적 추정량을 사용할 경우 추론의 타당성을 확보하기 위한 충분조건는 무엇인가?

주요 결과

• 제안된 일단계, 분할표본, 잘라내기 추정량은 온건한 정규성 조건 하에서도 √n 점근정규성을 달성하여 유효한 추론을 보장한다.
• 시뮬레이션 연구 결과, 다양한 표본 크기와 민감도 파라미터 값에서 낮은 편향과 정확한 95% 신뢰구간 커버리지가 유지됨을 확인하였다.
• 표본 크기 n = 5000 및 민감도 파라미터 ρ = 1.5일 때, 편향은 -1.46 그램이며 커버리지율은 0.95였으며, 이는 양호한 유한표본 성능을 의미한다.
• Pennsylvania 출생 데이터셋을 재분석한 결과, 담배 피우기로 인한 태아 체중 감소 추정치(203.2 그램)가 측정되지 않은 교란요인에 민감하게 영향을 받는 것으로 나타났다.
• 수렴 속도가 n^{-1/4}를 초과할 경우, 잔여 함수를 Super Learner와 같은 융통성 있는 방법으로 추정하더라도 추정량은 여전히 유효하다.
• 영향함수 프레임워크를 수정함으로써, 앞면 모델 등 다른 식별 상황으로의 일반화가 가능하다.