[論文レビュー] Removing Hidden Confounding by Experimental Grounding

Nathan Kallus, Aahlad Puli+1 more|arXiv (Cornell University)|Oct 27, 2018

Advanced Causal Inference Techniques参考文献 12被引用数 31

ひとこと要約

本稿では、実験データと観察データの重複が最小限であっても、限られた実験データを活用して、大規模な観察データセットで学習された因果効果モデルにおける隠れ交絡要因を補正する2段階手法を提案する。隠れ交絡関数がパラメトリックで外挿可能であると仮定することで、バイアスはあるが分散が小さい観察推定器と、バイアスがないが分散が大きい実験推定器を組み合わせ、一貫性がありバイアスの小さいCATE推定を達成する。シミュレーションおよび実世界の教育データにおいて、標準的手法を上回る性能を示す。

ABSTRACT

Observational data is increasingly used as a means for making individual-level causal predictions and intervention recommendations. The foremost challenge of causal inference from observational data is hidden confounding, whose presence cannot be tested in data and can invalidate any causal conclusion. Experimental data does not suffer from confounding but is usually limited in both scope and scale. We introduce a novel method of using limited experimental data to correct the hidden confounding in causal effect models trained on larger observational data, even if the observational data does not fully overlap with the experimental data. Our method makes strictly weaker assumptions than existing approaches, and we prove conditions under which it yields a consistent estimator. We demonstrate our method's efficacy using real-world data from a large educational experiment.

研究の動機と目的

• 測定されていない要因によるバイアスが治療効果推定を歪める、観察的因果推論における隠れ交絡の課題に対処すること。
• 観察データは交絡されているが大規模であり、実験データは交絡がないが限られたものであり、かつ重複が少ない状況において、個別レベルの因果効果推定（CATE）を可能にすること。
• 従来の手法よりも厳密に弱い仮定を採用する方法の開発—具体的には、すべての交絡要因が測定可能であると仮定するのではなく、隠れ交絡関数がパラメトリックで外挿可能であると仮定すること。
• 大規模なランダム化比較試験（RCT）から得た実世界の教育データを用いて、手法の一致性と実証的優位性を示すこと。

提案手法

• 2段階の手続きを用いる：まず、実験データを用いて、隠れ交絡要因のパラメトリック補正関数を推定し、これが観察集団に外挿可能であると仮定する。
• 次に、この補正を観察データで学習したCATEモデルに適用することで、測定されていない交絡要因を効果的に補正する。
• 観察データからのバイアスはあるが分散が小さい推定器と、実験データからのバイアスがないが分散が大きい推定器を組み合わせ、バイアスと分散の両面で一貫性を達成する。
• 隠れ交絡関数がゼロ関数を含むパラメトリック族に属するという仮定に依存するが、これはすべての交絡要因が測定可能であると仮定するよりも弱い仮定である。
• 補正関数およびCATEの推定に回帰モデル（例：ランダムフォレスト、リッジ回帰）を用い、観察データの交絡のないホールドアウトサブセットで評価する。
• 大規模なRCT（クラスサイズと教師補佐員の影響）の実世界データセットを用いて評価し、全人口における真の効果が既知である。

実験結果

リサーチクエスチョン

• RQ1 実験データが観察集団と完全に重複しない場合でも、測定されていない変数による交絡がある観察データにおいて、一貫した個別レベルの因果効果（CATE）推定が可能か？
• RQ2 隠れ交絡関数がパラメトリックで外挿可能であると仮定することは、すべての交絡要因が観測可能である必要がある手法よりも、より強固で一貫性のある推定器をもたらすか？
• RQ3 直接実験データへの回帰や観察データにおける交絡の無視といった標準的手法と比較して、提案手法は推定精度および一貫性において優れているか？
• RQ4 小さな実験サンプルを活用して、顕著な隠れ交絡を示す大規模な観察データセットにおけるバイアスを効果的に是正できるか？

主な発見

• 2段階RFおよび2段階リッジの両バージョンを含む提案手法は、交絡のないホールドアウトサブセットにおいて、真のCATEを推定する基準で標準的手法を一貫して上回る。
• 特に交絡のない実験データセットのサイズが大きくなるにつれて、直接実験データへの回帰や差分推定モデルといった標準的手法よりも、提案手法は有意に低いRMSEを達成する。
• 実験データ（UNC）と観察データ（CONF）の重複が最小限であっても、例えばUNCが農村または都市部の学生に限定されている一方で、CONFが都市部および郊外の学生を含む場合でも、本手法は有効に機能する。
• 観察データにおいて、成績が良い学生が処置群から選択的に除外されることが原因で生じる治療効果推定の下向きバイアスを、本手法は効果的に是正する。
• ランダムフォレストおよびリッジ回帰の異なる回帰モデルにおいても、本手法の性能は一貫しており、すべてのテスト設定で標準手法を上回る改善を示す。
• 本手法は一貫性を示す：交絡のない実験サンプルサイズが大きくなるにつれて、推定誤差（RMSE）が減少し、推定器の理論的一貫性が確認される。