[论文解读] Estimating heterogeneous effects of continuous exposures using Bayesian tree ensembles: revisiting the impact of abortion rates on crime

Spencer Woody, Carlos M. Carvalho+2 more|arXiv (Cornell University)|Jul 20, 2020

Advanced Causal Inference Techniques参考文献 47被引用 10

一句话总结

本文提出一种贝叶斯树集成方法，用于在不假设混淆变量参数形式的前提下，估计连续暴露的异质性因果效应，并将其应用于重新审视堕胎-犯罪假说。该方法识别出调节变量对效应的修饰作用，发现堕胎对犯罪率存在强有力的负面因果效应，且异质性部分可由各州福利支出解释。

ABSTRACT

In estimating the causal effect of a continuous exposure or treatment, it is important to control for all confounding factors. However, most existing methods require parametric specification for how control variables influence the outcome or generalized propensity score, and inference on treatment effects is usually sensitive to this choice. Additionally, it is often the goal to estimate how the treatment effect varies across observed units. To address this gap, we propose a semiparametric model using Bayesian tree ensembles for estimating the causal effect of a continuous treatment of exposure which (i) does not require a priori parametric specification of the influence of control variables, and (ii) allows for identification of effect modification by pre-specified moderators. The main parametric assumption we make is that the effect of the exposure on the outcome is linear, with the steepness of this relationship determined by a nonparametric function of the moderators, and we provide heuristics to diagnose the validity of this assumption. We apply our methods to revisit a 2001 study of how abortion rates affect incidence of crime.

研究动机与目标

• 为解决参数模型在估计连续暴露因果效应时的局限性，特别是当混淆变量与结果之间存在非线性关系时。
• 开发一种半参数贝叶斯模型，允许处理效应异质性，且无需预先指定控制变量的函数形式。
• 减少模型设定中的研究者自由度，提升因果推断的可重复性。
• 使用更灵活、稳健的方法重新评估2001年Donohue和Levitt关于堕胎与犯罪的争议性研究。
• 通过启发式检验诊断暴露效应线性假设的有效性。

提出的方法

• 使用贝叶斯加性回归树（BART）将结果建模为控制变量和调节变量的非参数函数之和。
• 将控制函数（混淆变量）的估计与处理-调节函数（效应修饰）的估计解耦。
• 在暴露与结果之间施加线性关系，其中斜率由调节变量的非参数函数调节。
• 采用后验预测检验和部分残差图评估模型拟合度与线性假设。
• 对控制函数和调节函数应用层次先验，以增强稳定性并实现收缩。
• 利用后验摘要估计平均处理效应和各州层面的异质性效应。

实验结果

研究问题

• RQ1 堕胎对犯罪的影响在各州之间是否存在差异？若存在，哪些因素调节这种差异？
• RQ2 在堕胎-犯罪数据背景下，暴露-结果关系的线性假设是否成立？
• RQ3 具有非参数控制函数的半参数贝叶斯模型是否能比参数模型更稳健地恢复Donohue和Levitt原始研究的发现？
• RQ4 堕胎-犯罪关系中的效应异质性与各州福利支出水平有何关联？
• RQ5 模型灵活性在多大程度上减少了研究者自由度，并提升了因果推断的可重复性？

主要发现

• 模型对堕胎对谋杀、暴力犯罪和财产犯罪的负面因果效应提供了强有力的后验支持，与Donohue和Levitt（2001）的研究结果一致。
• 诊断检查（包括部分残差图和局部加权平滑）表明，暴露效应的线性假设得到支持，模拟中显示其与真实暴露函数高度一致。
• 有初步证据表明，堕胎对犯罪的因果效应在对低收入家庭有子女的群体提供更高福利支出的州中有所减弱。
• 模型识别出各州间处理效应存在显著的未解释异质性，表明仍存在尚未发现的其他调节变量。
• 该方法通过在一个统一的模型框架内估计效应异质性，避免了重复模型拟合带来的多重性问题。
• 对处理修饰函数的后验摘要揭示了各州层面的效应大小模式，可信区间表明各州估计值存在不确定性。