[論文レビュー] Matching on Generalized Propensity Scores with Continuous Exposures

Xiao Wu, Fabrizia Mealli+3 more|arXiv (Cornell University)|Dec 17, 2018

Advanced Causal Inference Techniques参考文献 57被引用数 17

ひとこと要約

本稿は、一般化された傾向スコア（GPS）を用いて連続的曝射要因の因果的影響関数を推定するための新しいマッチング手法を提案し、共変量のバランスを確保するとともに、モデルの誤指定に対して頑健であることを保証する。局所的弱未確認要因仮定の下で理論的一貫性および漸近正規性を確立し、シミュレーションおよびメディケア加入者における長期的PM2.5曝射と全死因死亡率上昇の関連を検証する大規模研究において優れた性能を示した。

ABSTRACT

In the context of a binary treatment, matching is a well-established approach in causal inference. However, in the context of a continuous treatment or exposure, matching is still underdeveloped. We propose an innovative matching approach to estimate an average causal exposure-response function under the setting of continuous exposures that relies on the generalized propensity score (GPS). Our approach maintains the following attractive features of matching: a) clear separation between the design and the analysis; b) robustness to model misspecification or to the presence of extreme values of the estimated GPS; c) straightforward assessment of covariate balance. We first introduce an assumption of identifiability, called local weak unconfoundedness. Under this assumption and mild smoothness conditions, we provide theoretical guarantees that our proposed matching estimator attains point-wise consistency and asymptotic normality. In simulations, our proposed matching approach outperforms existing methods under settings of model misspecification or the presence of extreme values of the estimated GPS. We apply our proposed method to estimate the average causal exposure-response function between long-term PM$_{2.5}$ exposure and all-cause mortality among 68.5 million Medicare enrollees, 2000-2016. We found strong evidence of a harmful effect of long-term PM$_{2.5}$ exposure on mortality. Code for the proposed matching approach is provided in the CausalGPS R package, which is available on CRAN and provides a computationally efficient implementation.

研究の動機と目的

• 従来の傾向スコア手法が未発達である連続的曝射要因のためのマッチングベースの因果推論手法を開発すること。
• 設計（マッチング）と解析の段階を明確に分離することで、透明性と解釈可能性を向上させること。
• 観察研究で一般的なモデルの誤指定や極端なGPS値に対しても頑健性を維持すること。
• 既存のGPS手法に欠けている連続的曝射設定における共変量のバランスの評価を可能にすること。
• 大規模データセット（例：国レベルの健康コhort）にスケーラブルな計算効率の高い非パラメトリックアプローチを提供すること。

提案手法

• 推定された一般化傾向スコアに基づいて単位をマッチングするGPSマッチング推定量を提案し、カイパーを用いた最近傍法を採用する。
• 識別を支援するため、標準的な未確認要因仮定よりも緩い条件である「局所的弱未確認要因仮定」を導入する。
• バイアスを低減し、漸近正規性を保証するために、バンド幅選択を伴う滑らか化マッチング推定量を採用する。
• 二段階手順を採用：まずパラメトリックモデルを用いてGPSを推定し、次に置換ありマッチングを適用して共変量のバランスを確保する。
• 非パラメトリック設定における過剰適合を回避するため、アンダーサンプリングを適用して漸近的に不偏推定を達成する。
• CausalGPS Rパッケージに実装し、大規模データセットにおけるスケーラビリティを高めるために並列計算をサポートする。

実験結果

リサーチクエスチョン

• RQ1 マッチングベースのアプローチは、設計と解析の分離および共変量のバランスを維持しつつ、連続的曝射要因に効果的に拡張可能か？
• RQ2 既存手法と比較して、モデルの誤指定や極端なGPS値の下で、提案されたGPSマッチング推定量はどのように性能を示すか？
• RQ3 やや緩い滑らかさおよび局所的未確認要因仮定の下で、GPSマッチング推定量が達成する理論的性質（一貫性および漸近正規性など）は何か？
• RQ4 カイパーおよびバンド幅の選択が推定量の有限標本性能にどのように影響するか？
• RQ5 本手法は、環境健康分野における因果的曝射-反応関数を推定するために、大規模な観察データに実用的に適用可能か？

主な発見

• モデルが誤指定されている場合や極端なGPS値が存在する場合、提案されたGPSマッチング手法はシミュレーションで既存手法を上回る性能を示した。
• 局所的弱未確認要因仮定および滑らかさ仮定の下で、点ごとの一貫性および漸近正規性を達成した。
• メディケアコhort研究（6850万人の加入者、2000–2016年）では、長期的PM2.5曝射と全死因死亡率の間には、ほぼ線形の正の因果的関係が強く裏付けられた。
• GPSマッチングを用いて推定された曝射-反応関数は、共変量のバランスが良好であり、有効な交絡要因の調整が行われたことを確認した。
• CausalGPS Rパッケージにより、並列計算をサポートする効率的かつスケーラブルな実装が可能となり、大規模な観察研究での利用を容易にした。
• 本手法は、因果的推定とバランス評価の両方を支援する、連続的曝射要因におけるマッチングのための画期的なフレームワークを提供した。