[論文レビュー] Kernel Methods for Unobserved Confounding: Negative Controls, Proxies, and Instruments

Rahul Singh|arXiv (Cornell University)|Dec 18, 2020

Advanced Causal Inference Techniques参考文献 59被引用数 7

ひとこと要約

本稿では、結果や処置と独立である補助変数（負のコントロール）を用いた非パラメトリックなカーネルリッジ回帰フレームワークを提案する。この手法により、観察されない交絡要因が存在する状況下でも因果効果の同定と推定が可能となり、一様な一致性と有限標本収束速度を伴う。ドーズレスポンス曲線、異質的処置効果、分布シフト効果の推定が可能であり、観察されない収入の交絡要因を補正した喫煙と新生児出生体重に関する研究で検証された。

ABSTRACT

Negative control is a strategy for learning the causal relationship between treatment and outcome in the presence of unmeasured confounding. The treatment effect can nonetheless be identified if two auxiliary variables are available: a negative control treatment (which has no effect on the actual outcome), and a negative control outcome (which is not affected by the actual treatment). These auxiliary variables can also be viewed as proxies for a traditional set of control variables, and they bear resemblance to instrumental variables. I propose a family of algorithms based on kernel ridge regression for learning nonparametric treatment effects with negative controls. Examples include dose response curves, dose response curves with distribution shift, and heterogeneous treatment effects. Data may be discrete or continuous, and low, high, or infinite dimensional. I prove uniform consistency and provide finite sample rates of convergence. I estimate the dose response curve of cigarette smoking on infant birth weight adjusting for unobserved confounding due to household income, using a data set of singleton births in the state of Pennsylvania between 1989 and 1991.

研究の動機と目的

• 観察されない交絡要因が存在する状況における一般化された非パラメトリック因果推論フレームワークの構築を目的とする。
• 観察されない交絡要因が存在する状況下で、集団レベル、サブ集団レベル、分布シフト効果の推定を統合することを目的とする。
• 観察されない交絡要因が存在する状況下で、カーネルベース推定量の有限標本における一様一貫性保証を提供することを目的とする。
• 負のコントロールをプロキシとして用いることで、連続的および離散的処置効果、特に異質的処置効果の推定を可能とすることを目的とする。
• 再現性のあるカーネルヒルバート空間（RKHS）における理論的支援を得て、カーネル法の非パラメトリックインストゥルメンタル変数（NPIV）問題への適用範囲を拡張することを目的とする。

提案手法

• 本手法は、処置と結果の因果関係を再現性のあるカーネルヒルバート空間（RKHS）内でモデル化するためにカーネルリッジ回帰を用いる。
• 観察されない交絡要因（U）の同定と補正に、具体的には負のコントロール処置（Z）と負のコントロール結果（W）を組み込む。
• 交絡要因ブリッジ関数 h₀(d,v,x,w) をRKHS内の関数としてモデル化することで、処置効果の非パラメトリック推定を可能にする。
• チューニングパラメータ（リッジ罰則とカーネルハイパーパram）は、閉形式の1つ抜き交差検証と標準的なヒューリスティクスにより選択される。
• カーネル化された条件付き期待値を用いて、条件付き平均処置効果（CATE）、ドーズレスポンス曲線、分布シフト下の効果を推定する。
• 理論的分析により、真の因果関数の滑らかさに関する仮定の下で、一様一貫性と有限標本収束速度が確立される。

実験結果

リサーチクエスチョン

• RQ1 観察されない交絡要因が存在する状況で、負のコントロールを用いて非パラメトリックに処置効果を同定・推定できるか？
• RQ2 カーネル法をどのように変更すれば、観察されない交絡要因が存在する状況下で異質的およびドーズレスポンス処置効果を推定できるか？
• RQ3 この設定下で、カーネルベース推定量の有限標本収束速度と一様一貫性特性はどのようなものか？
• RQ4 提案手法は、有限標本において観察されない交絡要因を無視する標準的推定量と比較して、どのように異なるか？
• RQ5 高次元または無限次元の設定において、負のコントロールが観察されない交絡要因のプロキシとしてどれほど有効に機能するか？

主な発見

• 提案されたカーネルリッジ回帰推定量は、真の因果関数の滑らかさに依存する一様一貫性と有限標本収束速度を達成するが、データ次元には依存しない。
• シミュレーションでは、観察されない交絡要因を無視するナーブな推定量よりも優れた性能を示し、特に小標本において顕著に優位であった。平均二乗誤差は n=100 時に 0.07 から n=5000 時に 0.00 に低下した。
• 本手法は、親の教育水準と家族構成員数を負のコントロールとして用いることで、観察されない収入の交絡要因を補正し、喫煙と新生児出生体重のドーズレスポンス曲線を適切に推定した。
• 人種および喫煙状態で定義されるサブグループにおいて、推定量は関心のある共変量に一致するデータサブセットに本手法を適用した場合と等価であり、グループ間で一貫した性能を示した。
• 理論的分析により、不適切に定義された逆問題における存在性および完全性条件が、RKHS設定において明確に特徴づけられ、NPIVのための新規な理論的基盤が提供された。
• 本手法は、離散的・連続的および高次元の処置、共変量、負のコントロールに対してロバストであり、複雑な観察的研究設定における柔軟な因果推論を可能にする。