[논문 리뷰] Estimating Population Average Causal Effects in the Presence of Non-Overlap: A Bayesian Approach

Rachel C. Nethery, Fabrizia Mealli외 1명|arXiv (Cornell University)|2018. 05. 24.

Advanced Causal Inference Techniques인용 수 2

한 줄 요약

이 논문은 데이터가 풍부한 영역에서는 트리 앙상블을, 데이터가 부족한 영역에서는 스퍼링 기반 외삽을 사용하여 인과 추정을 오버랩 영역과 비오버랩 영역으로 분리하는 베이지안 프레임워크를 제안한다. 이는 오버랩이 제한되어 있어도 최소한의 모형 의존성과 적절한 불확실성 측정을 통해 인구 평균 인과 효과의 안정적인 추정을 가능하게 하며, 환경 건강 연구에서 정책적 관련성이 높아진다. 또한 원래의 추정량을 유지하여 정책적 적용 가능성을 높인다.

ABSTRACT

Most causal inference studies rely on the assumption of overlap to estimate population or sample average causal effects. When data exhibit non-overlap, estimation of these estimands requires reliance on model specifications, due to poor data support. All existing methods to address non-overlap, such as trimming or down-weighting data in regions of poor support, change the estimand. In environmental health research, where study results are often intended to influence policy, changes in the estimand can diminish the study's impact, because estimates may not be representative of effects in the population of interest to policymakers. Researchers may be willing to make additional, minimal modeling assumptions in order to preserve the ability to estimate population average causal effects. We seek to make two contributions on this topic. First, we propose a flexible, data-driven definition of propensity score overlap and non-overlap regions. Second, we develop a novel Bayesian framework to estimate population average causal effects with minor model dependence and appropriately large uncertainties in the presence of non-overlap. In this approach, the tasks of estimating causal effects in the overlap and non-overlap regions are delegated to two distinct models, suited to the degree of data support in each region. Tree ensembles are used to non-parametrically estimate individual causal effects in the overlap region, where the data can speak for themselves. In the non-overlap region, where insufficient data support means reliance on model specification is necessary, individual causal effects are estimated by extrapolating trends from the overlap region via a spline model. The promising performance of our method is demonstrated in simulations. Finally, we utilize our method to perform a novel investigation of the causal effect of natural gas compressor station exposure on cancer outcomes.

연구 동기 및 목표

• 데이터에 비오버랩이 존재할 경우 표준 인과 추론 방법이 무효화되므로, 이를 해결하기 위한 도전 과제를 다룬다.
• 데이터 컷오프나 가중치 조정으로 인해 목표 추정량이 변형되는 것을 방지하기 위해 원래의 추정량인 인구 평균 인과 효과를 유지한다.
• 비오버랩 영역에서 모형 가정에 최소한도로 의존하면서도 신뢰할 수 있는 인과 추정과 적절한 불확실성 측정을 제공하는 방법을 개발한다.
• 비오버랩이 흔하고 추정량의 정합성이 중요한 환경 건강 연구에서 정책 관련성이 높은 인과 추론을 가능하게 한다.
• 성향 스코어 분포를 기반으로 데이터 기반의 오버랩 및 비오버랩 영역 정의를 제시하여 모형 분할을 안내한다.

제안 방법

• 성향 스코어 분포를 기반으로 데이터 기반의 오버랩 및 비오버랩 영역 정의를 도입하여, 데이터 지원이 충분한 영역과 열악한 영역을 구분한다.
• 데이터가 풍부한 오버랩 영역에서 트리 앙상블 모형(예: 랜덤 포레스트 또는 인과 포레스트)을 사용해 개인별 인과 효과를 추정하며, 비모수적 유연성을 활용한다.
• 비오버랩 영역에서는 오버랩 영역의 추세를 스퍼링 기반 모형으로 외삽하여 데이터가 희소한 영역에서도 추정이 가능하게 하며, 모형 의존성이 불가피한 상황에서도 유의미한 추정을 가능하게 한다.
• 추정 과정을 분리한다: 오버랩 영역에는 데이터 기반 모형, 비오버랩 영역에는 모형 기반 외삽 모형을 사용하여 강한 파라미터 가정에 대한 의존도를 줄인다.
• 완전한 베이지안 프레임워크를 구현하여 두 모형을 통해 불확실성을 일관되게 전파하며, 신뢰구간이 표본 불확실성과 모형 불확실성을 모두 반영하도록 보장한다.
• 후행 예측 검증과 모형 비교를 통해 시뮬레이션 연구 및 실세계 적용에서의 성능을 검증하고 강건성을 확보한다.

실험 결과

연구 질문

• RQ1 성향 스코어 분포에 비오버랩이 존재할 경우, 어떻게 인구 평균 인과 효과를 추정할 수 있는가?
• RQ2 비오버랩 영역에서 강한 파라미터 가정에 최소한도로 의존하면서도 원래의 추정량을 유지할 수 있는 방법을 개발할 수 있는가?
• RQ3 오버랩 영역에서는 트리 앙상블, 비오버랩 영역에서는 스퍼링 외삽을 사용하는 이중 모형 접근법의 성능은 기존 방법에 비해 어떻게 되는가?
• RQ4 제안된 베이지안 프레임워크는 데이터 지원이 열악한 영역에서 불확실성을 어떻게 측정하는가?
• RQ5 이 새로운 방법을 사용하여 천연가스 압축기 스테이션 노출이 암 결과에 미치는 인과 효과는 무엇인가?

주요 결과

• 제안된 방법은 추정량을 컷오프나 가중치 조정 없이도 비오버랩 상황에서도 인구 평균 인과 효과를 성공적으로 추정한다.
• 시뮬레이션 결과는 이 방법이 낮은 편향과 적절한 신뢰구간 커버리지를 유지함을 보여주며, 비오버랩 상황에서 기존 방법보다 뛰어난 성능을 보인다.
• 오버랩 영역에서 트리 앙상블의 사용은 과적합을 피하면서도 복잡한 비선형 관계를 효과적으로 포착한다.
• 비오버랩 영역에서 스퍼링 기반 외삽은 안정적이고 타당한 추정치를 제공하며, 모형 의존성에 대한 불확실성을 반영한다.
• 실세계 적용 사례에서는 이 방법이 특정 암 결과에 대해 통계적으로 유의미한 인과 효과를 드러내어 정책적 함의를 제기한다.
• 베이지안 프레임워크는 비오버랩 영역에서 신뢰구간이 실제 데이터 부족으로 인한 지식적 불확실성을 반영하여 적절히 크게 유지된다.