[論文レビュー] Average causal effect estimation via instrumental variables: the no simultaneous heterogeneity assumption

Fernando Pires Hartwig, L. Wang+2 more|arXiv (Cornell University)|Oct 20, 2020

Advanced Causal Inference Techniques参考文献 1被引用数 11

ひとこと要約

本稿では、平均因果効果（ACE）を工具変数（IV）を用いて同定するための、従来の仮定（因果効果の均質性や効果修正なし）の弱い代替仮定として、同時的非均質性なし（NOSH）仮定を導入する。NOSHは、X-Y因果効果の非均質性が、工具-X関連性およびその非均質性と相関がないことを要請し、従来の仮定が満たされない場合でも有効なACE推定を可能にする。

ABSTRACT

Background: Instrumental variables (IVs) can be used to provide evidence as to whether a treatment X has a causal effect on an outcome Y. Even if the instrument Z satisfies the three core IV assumptions of relevance, independence and the exclusion restriction, further assumptions are required to identify the average causal effect (ACE) of X on Y. Sufficient assumptions for this include: homogeneity in the causal effect of X on Y; homogeneity in the association of Z with X; and no effect modification (NEM). Methods: We describe the NO Simultaneous Heterogeneity (NOSH) assumption, which requires the heterogeneity in the X-Y causal effect to be mean independent of (i.e., uncorrelated with) both Z and heterogeneity in the Z-X association. This happens, for example, if there are no common modifiers of the X-Y effect and the Z-X association, and the X-Y effect is additive linear. We illustrate NOSH using simulations and by re-examining selected published studies. Results: When NOSH holds, the Wald estimand equals the ACE even if both homogeneity assumptions and NEM (which we demonstrate to be special cases of - and therefore stronger than - NOSH) are violated. Conclusions: NOSH is sufficient for identifying the ACE using IVs. Since NOSH is weaker than existing assumptions for ACE identification, doing so may be more plausible than previously anticipated.

研究の動機と目的

• 標準的な仮定（均質性や効果修正なし）が満たされない場合に、工具変数（IV）分析における平均因果効果（ACE）の同定の課題に対処すること。
• 厳密な均質性や効果修正の制約を緩和する、新たな同定仮定「同時的非均質性なし（NOSH）」を提案すること。
• NOSHが従来の仮定よりも十分かつ弱いことを示し、IV設定における有効な因果推論の範囲を拡大すること。
• シミュレーションおよび既存研究の再分析を通じて、NOSH仮定の妥当性と頑健性を検証すること。

提案手法

• NOSH仮定の定義：X-Y因果効果の非均質性が、Z-X関連性の非均質性および工具Zそのものと平均的独立である。
• NOSH下でのWald推定量を規定し、均質性や効果修正なしの仮定が破綻してもACEに等しいことを示す。
• 構造的因果モデルおよび線形構造方程式を用いて、X（処置）、Y（結果）、Z（工具）、および観察されない交絡要因の関係を形式化する。
• 標準的仮定が成立しない状況下で、NOSH下でのWald推定量の性能を評価するためのシミュレーションを実施する。
• 既存研究の再分析を通じて、NOSHが実世界の因果推論設定において実用的に適用可能であることを示す。
• NOSHが均質性および効果修正なしの両者を特別な場合として包含・一般化できることを示し、より柔軟な同定条件であることを示す。

実験結果

リサーチクエスチョン

• RQ1 因果効果の均質性を要請しないで、工具変数（IV）を用いて平均因果効果（ACE）を同定できるか？
• RQ2 Wald推定量がACEに等しくなるような、NEM（効果修正なし）より弱い同定仮定は存在するか？
• RQ3 X-Y効果とZ-X関連性の両方が非均質である場合、Wald推定量がACEの有効な推定量であるのはどのような条件下か？
• RQ4 NOSH仮定は、理論的および実証的に従来の同定仮定と比較してどのように異なるか？
• RQ5 NOSH仮定は、実世界の観察研究において実用的に適用可能であり、因果推論の妥当性を向上させることができるか？

主な発見

• NOSH仮定は、因果効果の均質性や効果修正なし（NEM）が満たされない場合でも、工具変数（IV）を用いた平均因果効果（ACE）の同定に十分である。
• NOSHは均質性およびNEMの両方よりも弱い仮定であり、X-Y因果効果およびZ-X関連性の両方の非均質性を許容するが、それらが同時に相関していない限り有効である。
• NOSHが成立する限り、Wald推定量はACEを一貫して推定することができ、従来の仮定よりも広い条件下で頑健であることを示す。
• シミュレーションにより、NOSH下でもWald推定量がバイアスがなく一貫性を保つことが確認された。
• 既存研究の再分析から、NOSHは実世界の設定において妥当に満たされる可能性が高く、IV法の適用範囲が従来認識されていたよりも広がることを示唆する。
• NOSH仮定は従来の同定条件を一般化しており、IV分析における因果推論のより柔軟で現実的である基盤を提供する。