[论文解读] Estimation of causal effects with small data in the presence of trapdoor variables

Jouni Helske, Santtu Tikka+1 more|arXiv (Cornell University)|Mar 6, 2020

Advanced Causal Inference Techniques参考文献 61被引用 7

一句话总结

本文引入了陷门变量（trapdoor variables）的概念——即在因果模型中通过隐式函数约束诱导出的潜在变量，这类变量在小样本中会 bias 因果效应估计器。本文提出通过条件抽样陷门变量的贝叶斯估计方法以减少 bias，通过模拟实验和芬兰生命历程研究的真实数据表明，基于干预变量的陷门变量分布进行条件化处理，相比边际抽样，能获得更准确的因果效应估计。

ABSTRACT

We consider the problem of estimating causal effects of interventions from observational data when well-known back-door and front-door adjustments are not applicable. We show that when an identifiable causal effect is subject to an implicit functional constraint that is not deducible from conditional independence relations, the estimator of the causal effect can exhibit bias in small samples. This bias is related to variables that we call trapdoor variables. We use simulated data to study different strategies to account for trapdoor variables and suggest how the related trapdoor bias might be minimized. The importance of trapdoor variables in causal effect estimation is illustrated with real data from the Life Course 1971-2002 study. Using this dataset, we estimate the causal effect of education on income in the Finnish context. Bayesian modelling allows us to take the parameter uncertainty into account and to present the estimated causal effects as posterior distributions.

研究动机与目标

• 识别并分析陷门变量——即通过隐式函数约束诱导出的、在小样本中导致因果效应估计器偏差的变量。
• 开发并评估在后门调整和前门调整不适用的因果模型中，考虑陷门变量的估计策略。
• 利用芬兰生命历程研究（1971–2002）中关于教育与收入的真实数据，展示陷门偏差的实际影响。
• 比较不同处理陷门变量的策略（特别是条件抽样与边际抽样）在贝叶斯因果估计中的表现。

提出的方法

• 提出一种将陷门变量的条件分布建模为给定干预变量的贝叶斯因果推断框架。
• 使用四条马尔可夫链进行马尔可夫链蒙特卡洛（MCMC）抽样，后 burn-in 阶段迭代 100,000 次，以估计因果效应的后验分布。
• 在合成模型和现实世界模型中，应用一种专门的蒙特卡洛方法以处理陷门变量。
• 使用 do-演算和识别函数推导出在可识别性条件下的干预分布，从而从观测数据中推导出干预分布。
• 比较两种策略：从陷门变量的边际分布 P(Z) 中抽样，与从其给定干预变量和混淆因子的条件分布 P(Z|x,s,g) 中抽样。
• 使用 R 语言结合 ggplot2 包进行可视化，并在 GitHub 上提供开源代码以确保可复现性。

实验结果

研究问题

• RQ1 陷门变量——由隐式函数约束诱导出——在小样本设置中如何 bias 因果效应估计器？
• RQ2 不同处理陷门变量的策略（如条件抽样与边际抽样）对因果效应估计准确性有何影响？
• RQ3 陷门偏差在小样本量下的线性高斯模型与非线性模型中如何表现？
• RQ4 与标准方法相比，使用条件陷门变量抽样的贝叶斯估计是否能减少偏差？
• RQ5 在复杂的真实世界数据（如生命历程研究）中，因果效应估计对陷门变量处理策略的选择有多敏感？

主要发现

• 将陷门变量 Z 基于干预变量 X 和混淆因子 (s, g) 进行条件化处理，相比边际抽样，能获得更准确的因果效应估计，最高教育水平的平均收入估计从边际抽样下的 26,600 欧元上升至条件抽样下的 29,500 欧元。
• 在条件策略下，最高教育水平的后验中位数收入估计为 253 百欧元（即 25,300 欧元），而在边际策略下为 226 百欧元（即 22,600 欧元）。
• 在条件策略下，平均收入估计的后验标准差为 22 百欧元（即 2,200 欧元），表明不确定性更高，但中心估计更可靠。
• 模拟结果表明，陷门偏差在小样本中显著，且依赖于参数假设和估计器特性，其中条件抽样优于边际抽样。
• 研究发现，当陷门变量未被适当地条件化时，尤其在非线性和非高斯模型中，陷门偏差会导致因果效应的低估。
• 作者建议在因果推断中采用多种策略处理陷门变量，并将对这些选择的敏感性分析作为标准实践进行报告。