[論文レビュー] Causal Mediation Analysis for Sparse and Irregular Longitudinal Data

Shuxi Zeng, Stacy Rosenbaum+3 more|arXiv (Cornell University)|Jul 3, 2020

Advanced Causal Inference Techniques参考文献 73被引用数 10

ひとこと要約

本稿では、軌跡を潜在的な滑らかな確率過程の実現とモデル化することにより、疎で不規則な縦断的データに対する機能的因果中介分析手法を提案する。次元削減に機能的主成分分析を用い、ベイズ推論により直接効果と間接効果を推定する。野生のハイイ草ザルに適用した結果、早期の困難要因が成人期のグルココルチコイドレベルに9–14％の直接効果を及ぼすことが判明したが、社会的絆を通じた媒介効果は有意ではなかった。

ABSTRACT

Causal mediation analysis seeks to investigate how the treatment effect of an exposure on outcomes is mediated through intermediate variables. Although many applications involve longitudinal data, the existing methods are not directly applicable to settings where the mediator and outcome are measured on sparse and irregular time grids. We extend the existing causal mediation framework from a functional data analysis perspective, viewing the sparse and irregular longitudinal data as realizations of underlying smooth stochastic processes. We define causal estimands of direct and indirect effects accordingly and provide corresponding identification assumptions. For estimation and inference, we employ a functional principal component analysis approach for dimension reduction and use the first few functional principal components instead of the whole trajectories in the structural equation models. We adopt the Bayesian paradigm to accurately quantify the uncertainties. The operating characteristics of the proposed methods are examined via simulations. We apply the proposed methods to a longitudinal data set from a wild baboon population in Kenya to investigate the causal relationships between early adversity, strength of social bonds between animals, and adult glucocorticoid hormone concentrations. We find that early adversity has a significant direct effect (a 9-14% increase) on females' glucocorticoid concentrations across adulthood, but find little evidence that these effects were mediated by weak social bonds.

研究の動機と目的

• 観察時刻が疎で不規則な縦断的データに対する因果中介法の不足を解消すること。
• 疎で不規則な軌跡を、有効な因果推論を可能にする潜在的な滑らかな確率過程の実現とモデル化すること。
• 不規則な時刻グリッドと変動する測定頻度を考慮しつつ、機能的データ設定に因果中介フレームワークを拡張すること。
• 機能的主成分分析とベイズ手法を用いて、計算的に実行可能な推定と推論戦略を開発すること。
• 実世界の野生のハイイ草ザルデータセットにこの手法を適用し、早期の困難要因、社会的絆、ストレスホルモンの間の因果経路を調査すること。

提案手法

• 疎で不規則な縦断的データを、有効な関数データ解析を可能にする潜在的な滑らかな確率過程の実現とみなす。
• 媒介変数および結果変数の軌跡から最初の数個の主成分を抽出するために、機能的主成分分析（FPCA）を用いて次元削減を行う。
• FPCAで削減された成分に基づき、潜在的アウトカムと構造方程式モデルを用いて直接効果および間接効果を定式化する。
• 事前分布と後erior計算を組み合わせ、Gibbsサンプリングを用いたベイズ推論により、効果推定の不確実性を定量化する。
• 非パラメトリックな因果推定量の同定を保証するため、逐次的無視可能性などの同定仮定を定義する。
• FPCAを用いて各個人の潜在的な滑らかなプロセスを補完することで、欠損または不規則な時刻ポイントに対処し、被験者間で一貫した推定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 野生のメスハイイ草ザルにおいて、早期の困難要因が成人期のグルココルチコイド濃度に及ぼす直接効果は何か？
• RQ2 早期の困難要因がグルココルチコイドレベルに及ぼす効果が、社会的絆の強さを通じて媒介されているとすれば、その程度はどの程度か？
• RQ3 因果中介分析は、疎で不規則に間隔を空けた縦断的データに対処するためにどのように適合させられるか？
• RQ4 関数データ解析の技術は、不規則な観測を持つ因果中介設定において、推定の正確性と不確実性の定量化をどのように向上させられるか？
• RQ5 野生動物の縦断的データにおける中介分析において、観察されない交絡要因が及える影響は何か？

主な発見

• 早期の困難要因は、成人期のグルココルチコイド濃度に有意な直接効果を及ぼし、その推定値はメスで9–14％の上昇である。
• 早期の困難要因がグルココルチコイドレベルに及ぼす効果が、弱い社会的絆を通じて媒介されている証拠はほとんどない。
• 本手法は、関数的主成分分析を用いて軌跡を滑らかな確率過程の実現とモデル化することにより、疎で不規則な縦断的データを効果的に処理できた。
• Gibbsサンプリングを用いたベイズ推論により、推定された直接効果および間接効果の不確実性が正確に定量化された。
• 本手法は、測定頻度の変動や不規則な時刻グリッドに対しても頑健であり、同様の状況下で既存の手法を上回る性能を示した。
• 逐次的無視可能性仮定は検証不能であるため、感度分析を推奨する。特に、観察されない交絡要因が存在する観察的動物研究では特に重要である。