[論文レビュー] Is it who you are or where you are? Accounting for compositional differences in cross-site treatment variation

Benjamin Lu, Eli Ben‐Michael+2 more|arXiv (Cornell University)|Mar 26, 2021

Advanced Causal Inference Techniques参考文献 39被引用数 6

ひとこと要約

本稿では、治療効果の変動要因を構成的要因（ユニットレベルの共変量）と文脈的要因（サイトレベル）に分離するために、近似バランス重みを用いた新規手法を提案する。各サイトをユニットレベル特徴の共通のターゲット分布に再重み付けすることにより、著者らは、福祉から就労への移行プログラムにおける観察された治療効果の異質性の10％未塔が構成的差異に起因することを示し、文脈的要因の主導的役割を強調している。

ABSTRACT

Multisite trials, in which treatment is randomized separately in multiple sites, offer a unique opportunity to disentangle treatment effect variation due to "compositional" differences in the distributions of unit-level features from variation due to "contextual" differences in site-level features. In particular, if we can re-weight (or "transport") each site to have a common distribution of unit-level covariates, the remaining effect variation captures contextual differences across sites. In this paper, we develop a framework for transporting effects in multisite trials using approximate balancing weights, where the weights are chosen to directly optimize unit-level covariate balance between each site and the target distribution. We first develop our approach for the general setting of transporting the effect of a single-site trial. We then extend our method to multisite trials, assess its performance via simulation, and use it to analyze a series of multisite trials of welfare-to-work programs. Our method is available in the balancer R package.

研究の動機と目的

• マルチサイトランダム化比較試験における治療効果変動要因を、構成的（ユニットレベル）要因と文脈的（サイトレベル）要因に分離する課題に対処すること。
• ユニットレベル共変量の共通ターゲット分布への治療効果の輸送を可能にする、強固な手法を開発すること。
• 従来の逆確率重み付け（IPW）やエントロピー・バランスと比較して、高次元共変量を扱い、ターゲット集団のユニットレベルデータに依存しない手法を改善すること。
• 実際のマルチサイト福祉から就労への移行プログラム試験にこの手法を適用・検証し、ユニットおよびサイト特徴が治療効果異質性に与える相対的寄与度を明らかにすること。
• 複雑な共変量構造を有する観察的研究および実験的状況における効果一般化のためのスケーラブルで計算効率の良いフレームワークを提供すること。

提案手法

• 本手法は、各サイトと事前に指定された共変量のターゲット分布との間でユニットレベル共変量のバランスを直接最適化するために、近似バランス重みを用いる。
• 重みは、高次相互作用やカーネル化特徴を含む観測共変量の不均衡を最小化するように選ばれ、凸最適化問題として定式化される。
• 本手法は、各サイトの治療効果を共通ターゲットに輸送することでマルチサイト試験に拡張され、構成的調整後の残差変動の比較が可能になる。
• 本手法は高次元共変量を扱えるとともに、従来のIPWやエントロピー・バランスとは異なり、ターゲット集団のユニットレベルデータへのアクセスを必要としない。
• 推定は、重み付けとアウトカムモデリングを組み合わせた二重ロバストフレームワークを用いて行われ、推定の効率性とロバスト性が向上する。
• 本手法は実務的応用を想定し、Rパッケージ「balancer」に実装されている。

実験結果

リサーチクエスチョン

• RQ1 マルチサイト試験における治療効果の変動のうち、所得や教育水準などの個体差（例：収入、教育、家族構成）の違いに起因する割合はどの程度か？
• RQ2 ベースライン共変量分布が著しく異なる場合、どのようにしてサイト間で治療効果を意味的に比較できるか？
• RQ3 ユニットレベル共変量を各サイトでバランスさせる再重み付けアプローチが、従来手法に比べて文脈的効果異質性の推定をより信頼性高く行えるか？
• RQ4 ターゲット分布の選択が、サイトレベル治療効果変動の解釈にどのように影響を与えるか？
• RQ5 マルチサイト福祉から就労への移行プログラムにおける、構成的要因と文脈的要因が、全体の治療効果異質性に占める相対的寄与度はどの程度か？

主な発見

• 59の福祉から就労への移行プログラムのサイトにおける治療効果の全異質性の10％未塔が、収入、教育、家族構成などのユニットレベル共変量の構成的差異に起因していた。
• すべてのサイトを共通ターゲット分布に再重み付けした後、NEWWS実験では治療効果が最も低かったが、これは当初の未調整推定値がGAINを最も効果的と評価したのとは対照的であった。
• PI実験では、輸送処理後、推定治療効果と不確実性が著しく増加したため、元の結果が非代表的な参加者特性によって歪められていたことが示された。
• 本研究で提案された近似バランス重み手法は、特に高次元共変量を扱う場合、従来の逆確率重み付け（IPW）よりもバランスと安定性に優れていた。
• 本手法により、異なるユニットレベル共変量分布の影響を除去することで、サイトレベル効果の直接比較が可能になった。
• 分析から、サイトレベルの政策、プログラム設計、または地域労働市場状況などの文脈的要因が、観察された治療効果変動の大部分を占めていることが明らかになった。