[论文解读] Instrumental Variable Estimation When Compliance is not Deterministic: The Stochastic Monotonicity Assumption

Dylan S. Small, Zhiqiang Tan+2 more|arXiv (Cornell University)|Jul 28, 2014

Healthcare Policy and Management参考文献 24被引用 8

一句话总结

本文引入了随机单调性假设，作为工具变量（IV）估计中确定性单调性的松弛形式，使在个体合规行为并非严格单调时也能进行因果推断。在该假设下，IV方法识别出一个加权平均处理效应，其中对受工具变量影响最大的子群体赋予更高权重，并提供了对假设违反情况的界限和敏感性分析。

ABSTRACT

The instrumental variables (IV) method is a method for making causal inferences about the effect of a treatment based on an observational study in which there are unmeasured confounding variables. The method requires a valid IV, a variable that is independent of the unmeasured confounding variables and is associated with the treatment but which has no effect on the outcome beyond its effect on the treatment. An additional assumption that is often made for the IV method is deterministic monotonicity, which is an assumption that for each subject, the level of the treatment that a subject would take if given a level of the IV is a monotonic increasing function of the level of the IV. Under deterministic monotonicity, the IV method identifies the average treatment effect for the compliers (those subject who would take the treatment if encouraged to do so by the IV and not take the treatment if not encouraged). However, deterministic monotonicity is sometimes not realistic. We introduce a stochastic monotonicity condition which relaxes deterministic monotonicity in that it does not require that a monotonic increasing relationship hold within subjects between the levels of the IV and the level of the treatment that the subject would take if given a level of the IV, but only that a monotonic increasing relationship hold across subjects between the IV and the treatment in a certain manner. We show that under stochastic monotonicity, the IV method identifies a weighted average of treatment effects with greater weight on subgroups of subjects on whom the IV has a stronger effect. We provide bounds on the global average treatment effect under stochastic monotonicity and a sensitivity analysis for violations of the stochastic monotonicity assumption.

研究动机与目标

• 为解决工具变量（IV）方法中确定性单调性假设的局限性，该假设要求所有受试者对治疗激励的反应均呈单调性。
• 提出一种更现实的假设——随机单调性，通过允许单调性在受试者之间成立而非在每个受试者内部成立，从而放宽确定性单调性。
• 表明在随机单调性下，IV估计量识别出一个潜在结果的加权平均，权重与工具变量对各子群体治疗接受度的影响强度成正比。
• 在随机单调性下推导全局平均处理效应的界限，并对假设违反情况提供敏感性分析。
• 将该方法应用于新生儿重症监护病房（NICU）分娩结果的真实世界研究，展示其在非均匀IV交付的观察性研究中的实际应用价值。

提出的方法

• 提出随机单调性作为确定性单调性的较弱替代，仅要求在受试者之间，治疗接受概率随工具变量水平的升高而增加，而非在每个受试者内部成立。
• 在随机单调性下推导加权平均处理效应（WATE）的识别，其中权重取决于工具变量对治疗接受度影响的强度。
• 基于潜在结果和未观测异质性（U）的重加权框架，表达在随机单调性假设下的平均处理效应。
• 通过考虑未观测异质性中潜在结果的最坏情况偏离，假设差异有界，建立全局平均处理效应的界限。
• 开发一种敏感性分析，量化随机单调性假设违反对估计处理效应的影响，使用参数r来界定潜在结果的最大偏离。
• 将该方法应用于基于医院层面NICU规模变化（非均匀IV）的NICU分娩结果研究，展示其在实证中的可行性与稳健性。

实验结果

研究问题

• RQ1 当非均匀IV交付导致确定性单调性失效时，工具变量方法是否仍能识别出有意义的因果效应？
• RQ2 在随机单调性假设下，IV方法识别出的因果 estimand 是什么？它与局部平均处理效应（LATE）有何不同？
• RQ3 当随机单调性成立但确定性单调性不成立时，如何推导全局平均处理效应的界限？
• RQ4 随机单调性假设的违反对IV估计有效性的冲击是什么？如何对其进行量化？
• RQ5 在具有复杂非均匀IV（如NICU分娩决策）的真实世界观察性研究中，该方法表现如何？

主要发现

• 在随机单调性下，IV估计量识别出一个潜在结果的加权平均，对工具变量影响治疗接受度更强的子群体赋予更高权重。
• 该方法通过考虑未观测异质性中潜在结果的有界差异，提供了全局平均处理效应的紧致界限。
• 在未观测异质性的极端配置下（如未观测变量对应于始终接受者、从不接受者或遵从者），界限是紧致且可实现的。
• 开发了敏感性分析，用于评估估计结果对随机单调性违反的稳健性，使用参数r量化潜在结果的最大偏离。
• 在NICU分娩的实证应用中，该方法识别出高容量NICU分娩的婴儿存在正向平均处理效应，且结果对随机单调性假设的合理违反具有稳健性。
• 该方法在传统IV方法因非均匀IV交付而失效的场景中具有适用性，例如具有复杂治疗分配机制的观察性研究。