[论文解读] Adaptive Combination of Randomized and Observational Data

David Cheng, Tianxi Cai|arXiv (Cornell University)|Nov 29, 2021

Advanced Causal Inference Techniques参考文献 30被引用 9

一句话总结

本文提出一种自适应方法，通过加权最小化均方误差，将随机试验和观察性研究中的条件平均处理效应（CATE）估计器进行组合。当观察性估计器存在偏差时，该方法优先采用随机试验估计器，确保一致性和稳健性；当偏差可忽略时，则高效地结合两者，如在激素替代疗法的妇女健康倡议研究中所展示的那样。

ABSTRACT

Data from both a randomized trial and an observational study are sometimes simultaneously available for evaluating the effect of an intervention. The randomized data typically allows for reliable estimation of average treatment effects but may be limited in sample size and patient heterogeneity for estimating conditional average treatment effects for a broad range of patients. Estimates from the observational study can potentially compensate for these limitations, but there may be concerns about whether confounding and treatment effect heterogeneity have been adequately addressed. We propose an approach for combining conditional treatment effect estimators from each source such that it aggressively weights toward the randomized estimator when bias in the observational estimator is detected. This allows the combination to be consistent for a conditional causal effect, regardless of whether assumptions required for consistent estimation in the observational study are satisfied. When the bias is negligible, the estimators from each source are combined for optimal efficiency. We show the problem can be formulated as a penalized least squares problem and consider its asymptotic properties. Simulations demonstrate the robustness and efficiency of the method in finite samples, in scenarios with bias or no bias in the observational estimator. We illustrate the method by estimating the effects of hormone replacement therapy on the risk of developing coronary heart disease in data from the Women's Health Initiative.

研究动机与目标

• 开发一种在同时拥有随机试验和观察性研究数据时，估计条件平均处理效应（CATE）的稳健方法。
• 解决观察性研究中混杂偏差的挑战，同时利用其更大的样本量和更高的异质性。
• 构建一种自适应组合试验与观察性估计的CATE估计器，基于其兼容性最小化偏差风险。
• 即使观察性研究的假设被违反，也确保组合估计器的一致性。
• 通过在观察性估计无偏且可靠时组合估计器，实现效率最优化。

提出的方法

• 在关于混杂和处理效应异质性的工作假设下，从随机试验和观察性研究数据中构建基础CATE估计器。
• 将组合问题表述为一个惩罚最小二乘问题，以最小化估计的均方误差（MSE）。
• 通过最小化估计的MSE来确定观察性估计器的最优权重，从而在检测到差异时实现向随机试验估计器的自适应收缩。
• 该方法确保在观察性估计器有偏但随机试验估计器仍有效时，对真实CATE具有一致性。
• 推导了组合估计器的渐近性质，表明当估计器兼容时可实现最优效率，当存在偏差时则具备稳健性。
• 使用影响函数估计渐近方差，并为组合CATE构建95%置信区间。

实验结果

研究问题

• RQ1 能否构建一种组合CATE估计器，使其在观察性研究估计存在偏差时具有稳健性，同时在估计可靠时保持效率？
• RQ2 如何实现随机与观察性CATE估计器之间的数据驱动加权，以确保一致性和最优效率？
• RQ3 与仅依赖试验或观察性数据相比，该自适应方法在多大程度上降低了均方误差？
• RQ4 当观察性估计器有偏或无偏时，该方法在有限样本中的表现如何？
• RQ5 该方法在处理随机与观察性数据之间CATE估计差异时，能否有效保持因果有效性？

主要发现

• 即使观察性研究估计器存在偏差，该自适应估计器仍能一致地估计真实CATE，这是由于其以随机试验估计器为锚点。
• 当观察性估计器偏差可忽略时，该方法通过数据驱动权重组合两个估计器，实现最优效率。
• 模拟结果表明，该方法在各种情景下均保持较低的均方误差，包括观察性估计有偏和无偏的情况。
• 在妇女健康倡议研究的应用中，自适应估计器显示对低风险参与者具有轻微保护作用，而对高风险参与者则存在不确定或有害效应，从而调和了试验与观察性估计之间的矛盾。
• 对于处理效应差异较大的子群体，估计权重被收缩至零，表明在差异最大时更依赖试验数据。
• 该方法表现出平滑的自适应性：当观察性估计与试验估计不一致时，组合估计器会向试验估计靠拢，从而降低偏差风险。