[논문 리뷰] Sensitivity analysis for inverse probability weighting estimators via the percentile bootstrap

Qingyuan Zhao, Dylan S. Small외 1명|arXiv (Cornell University)|2017. 11. 30.

Statistical Methods and Inference참고 문헌 3인용 수 18

한 줄 요약

이 논문은 관찰 연구에서 역확률가중치(IPW) 추정기의 강건한 민감도 분석 프레임워크를 제안한다. 백분위수 부트스트랩을 사용하여 명목상 커버리지가 유지되는 신뢰구간을 구성하는 방식으로, 이는 경계 민감도 모형 하에서 작동한다. 일반화된 최소최대/최대최소 부등식을 활용함으로써, 해결이 어려운 문제를 선형 분수계획문제로 변환하여 효율적인 계산이 가능해졌으며, 어류 섭취가 혈액 수은 농도에 미치는 인과적 영향이 중간 수준 이하의 편향에 대해 상대적으로 민감도가 낮음을 입증하였다.

ABSTRACT

To identify the estimand in missing data problems and observational studies, it is common to base the statistical estimation on the "missing at random" and "no unmeasured confounder" assumptions. However, these assumptions are unverifiable using empirical data and pose serious threats to the validity of the qualitative conclusions of the statistical inference. A sensitivity analysis asks how the conclusions may change if the unverifiable assumptions are violated to a certain degree. In this paper we consider a marginal sensitivity model which is a natural extension of Rosenbaum's sensitivity model that is widely used for matched observational studies. We aim to construct confidence intervals based on inverse probability weighting estimators, such that asymptotically the intervals have at least nominal coverage of the estimand whenever the data generating distribution is in the collection of marginal sensitivity models. We use a percentile bootstrap and a generalized minimax/maximin inequality to transform this intractable problem to a linear fractional programming problem, which can be solved very efficiently. We illustrate our method using a real dataset to estimate the causal effect of fish consumption on blood mercury level.

연구 동기 및 목표

• 관찰 연구 및 결측 데이터 문제에서 검증할 수 없는 '미측정 혼동요인 없음' (NUC) 가정의 핵심적 한계를 해결하기 위해.
• NUC 가정이 정의된 범위 내에서 위반되더라도 명목상 커버리지가 유지되는 IPW 추정기의 민감도 분석 프레임워크를 개발하기 위해.
• 이전에 매칭 설계에 국한되었던 로젠바움의 민감도 모형을 비모수적이고 경계 민감도 모형 프레임워크 내에서, IPW 및 이중으로 강건한 추정기와 같은 부드러운 추정기로 확장하기 위해.
• 일반화된 최소최대/최대최소 부등식을 통해 문제를 선형 분수계획문제로 변환함으로써 계산 효율성과 통계적 타당성을 동시에 확보하기 위해.
• 실제 데이터셋(어류 섭취와 혈액 수은 농도)을 활용하여 방법의 실증적 타당성을 검증하고, 미측정 혼동요인에 대한 강건성을 입증하기 위해.

제안 방법

• NUC 가정의 위반 정도가 지정된 수준까지 허용되는 비모수적 확장으로서, 경계 민감도 모형을 제안한다.
• IPW 추정기의 신뢰구간을 구성하기 위해 백분위수 부트스트랩을 사용하며, 이는 경계 민감도 모형 내의 분포 집합에서 渐近적 커버리지를 보장한다.
• 해결이 어려운 최악의 커버리지 문제를 선형 분수계획문제로 변환하기 위해 일반화된 최소최대/최대최소 부등식을 적용한다.
• 표준 최적화 기법을 사용하여 얻어진 선형 분수계획문제를 효율적으로 해결함으로써, 중간에서 대규모 표본에 대해서도 확장 가능한 계산이 가능해진다.
• 결과 변수 회귀를 통합함으로써 보정된 IPW (SAIPW) 추정기로 프레임워크를 확장하여 효율성을 향상시키면서도 강건성을 유지한다.
• R에서 sensitivitymw 패키지의 enmwCI 함수를 사용하여 구현하였으며, 계산 효율성을 높이기 위해 부트스트랩 재표본화를 병렬 처리하였다.

실험 결과

연구 질문

• RQ1 미측정 혼동요인 가정이 위반될 경우에도 IPW 추정기의 신뢰구간을 어떻게 구성할 수 있는가?
• RQ2 비모수적 경계 민감도 모형과 백분위수 부트스트랩을 효과적으로 조합하여 IPW 추정기의 강건한 추론을 가능하게 할 수 있는가?
• RQ3 제안된 방법은 기존 민감도 분석 대비 커버리지 정확도와 계산 효율성 측면에서 어느 정도 향상되는가?
• RQ4 어류 섭취가 혈액 수은 농도에 미치는 추정 인과 효과는 잠재적 미측정 혼동요인에 대해 어느 정도 강건한가?
• RQ5 간격 너비와 계산 비용 측면에서, 부트스트랩 기반 방법은 로젠바움의 매칭 기반 민감도 분석 대비 상대적으로 어떤 성능을 보이는가?

주요 결과

• 제안된 부트스트랩 기반 IPW 추정기의 신뢰구간은 경계 민감도 모형 내 모든 분포에서 최소한 명목상 커버리지를 달성하여, 검증할 수 없는 가정 하에서도 유효한 통계적 추론을 보장한다.
• 어류 섭취 데이터셋에서 ATE/ATT는 적어도 Λ = 2.72 이상에서 유의미하게 양의 값을 가지며, 어류 섭취가 혈액 수은 농도를 증가시킨다는 결론을 뒤엎기 위해서는 상당한 편향이 필요함을 시사한다.
• 이 방법은 미측정 혼동요인에 대해 질적 결론이 강건함을 입증하였으며, Λ = 2.72의 중간 수준의 편향 조건 하에서도 효과가 통계적으로 유의미하게 유지됨을 보였다.
• 같은 Λ 조건에서 백분위수 부트스트랩의 구간은 로젠바움 방법보다 略로 넓었지만, √Λ 조건에서는 더 짧은 간격을 보였으며, 이는 새로운 프레임워크에서의 효율성 향상을 반영한다.
• 결과 변수 회귀를 통한 보정(SAIPW)은 ATE의 구간 너비를 줄였지만, ATT에는 영향을 주지 않았으며, 이는 보정의 이점이 추정량에 따라 달라짐을 시사한다.
• 계산 시간은 수용 가능한 수준이었으며(부트스트랩 샘플 수 B=1000일 때 50초 이내), 매칭보다 느렸지만 표본 크기와 선형 시간 복잡도를 가지므로 확장 가능성이 있었다.