[论文解读] Causal Inference in Observational Studies with Non-Binary Treatments

Shandong Zhao, David A. van Dyk+1 more|arXiv (Cornell University)|Sep 24, 2013

Advanced Causal Inference Techniques参考文献 18被引用 3

一句话总结

本文比较了广义倾向得分（gps）与倾向函数（p-function）方法在非二值处理下的因果推断表现，表明基于gps的方法对响应模型误设极为敏感。本文提出一种基于p-function与平滑系数模型的稳健扩展方法，在模拟中表现优于现有gps方法，能更准确估计完整剂量-反应函数，显著降低偏差与不稳定性。

ABSTRACT

Propensity score methods have become a part of the standard toolkit for applied researchers who wish to ascertain causal effects from observational data. While they were originally developed for binary treatments, several researchers have proposed generalizations of the propensity score methodology for non-binary treatment regimes. Such extensions have widened the applicability of propensity score methods and are indeed becoming increasingly popular themselves. In this article, we closely examine the two main generalizations of propensity score methods, namely, the propensity function (P-FUNCTION) of Imai and van Dyk (2004) and the generalized propensity score (GPS) of Hirano and Imbens (2004), along with recent extensions of the GPS that aim to improve its robustness. We compare the assumptions, theoretical properties, and empirical performance of these alternative methodologies. On a theoretical level, the GPS and its extensions are advantageous in that they can be used to estimate the full dose response function rather than the simple average treatment effect that is typically estimated with the P-FUNCTION. Unfortunately, our analysis shows that in practice response models often used with the original GPS are less flexible than those typically used with propensity score methods and are prone to misspecification. We compare new and existing methods that improve the robustness of the GPS and propose methods that use the P-FUNCTION to estimate the dose response function. We illustrate our findings and proposals through simulation studies, including one based on an empirical application.

研究动机与目标

• 评估并比较广义倾向得分（gps）与倾向函数（p-function）方法在非二值处理设置下的理论与实证性能。
• 识别现有gps实现的局限性，特别是对响应模型误设的敏感性，以及估计剂量-反应函数中出现的循环性伪影。
• 开发并验证一种基于p-function与平滑系数模型结合的稳健方法，用于估计完整剂量-反应函数。
• 提供诊断工具与实际指导，以支持非二值处理因果推断中的模型选择与验证。

提出的方法

• 提出平滑系数模型（scm）框架，以p-function作为调整基础，估计剂量-反应函数。
• 应用非参数平滑技术，建模处理剂量与结果之间的关系，通过p-function调整协变量影响。
• 使用基于自举法的95%置信带，评估估计剂量-反应函数的不确定性。
• 通过三种生成模型的模拟研究比较不同方法的性能：二次函数、分段线性函数与曲棍球棒型响应函数。
• 采用模型诊断方法检测潜在偏差区域，尤其关注高剂量区域，该区域p-function估计可能回退至未调整的拟合结果。
• 将p-function方法扩展至估计完整剂量-反应函数，克服了标准p-function方法仅能估计平均处理效应的局限。

实验结果

研究问题

• RQ1 在非二值处理设置下，gps与p-function方法在估计完整剂量-反应函数方面表现如何比较？
• RQ2 gps方法中偏差与不稳定的来源是什么，特别是在响应模型误设时？
• RQ3 p-function能否通过扩展实现对完整剂量-反应函数的估计，并相比基于gps的方法展现出更高稳健性？
• RQ4 当与基于p-function的调整结合时，平滑系数模型在捕捉复杂剂量-反应关系方面的有效性如何？
• RQ5 在非二值处理因果推断中，可使用哪些诊断工具检测模型误设与不稳定性？

主要发现

• 原始gps方法在估计剂量-反应函数时表现出显著偏差与循环性伪影，尤其在响应模型误设时更为明显。
• scm（gps）方法虽优于原始gps，但仍存在偏差与不稳定性，尤其在数据稀疏区域或响应形状复杂区域。
• scm（p-function）方法在所有三种模拟模型中均持续优于两种gps方法，对t < 3的区域，其估计结果与真实剂量-反应函数高度一致。
• 基于p-function的方法对模型误设更具稳健性，即使响应模型的灵活性低于标准倾向得分方法，也能提供可靠估计。
• 所提出的scm（p-function）方法能检测到高剂量区域（t > 3）的潜在偏差，该区域估计值会回退至未调整拟合结果，从而帮助用户识别不可靠的推断区域。
• 基于残差比较与自举置信带的诊断工具，有助于识别模型局限性，并在实践中指导模型选择。