[论文解读] Matching on Generalized Propensity Scores with Continuous Exposures

Xiao Wu, Fabrizia Mealli+3 more|arXiv (Cornell University)|Dec 17, 2018

Advanced Causal Inference Techniques参考文献 57被引用 17

一句话总结

本文提出了一种新颖的匹配方法，用于使用广义倾向得分（GPS）估计连续暴露的因果反应函数，确保协变量平衡并具有对模型误设的稳健性。在局部弱不可忽略性假设下，该方法建立了理论一致性与渐近正态性，并在模拟研究和一项大规模研究中表现出色，该研究将长期PM2.5暴露与Medicare参保人中全因死亡率的增加联系起来。

ABSTRACT

In the context of a binary treatment, matching is a well-established approach in causal inference. However, in the context of a continuous treatment or exposure, matching is still underdeveloped. We propose an innovative matching approach to estimate an average causal exposure-response function under the setting of continuous exposures that relies on the generalized propensity score (GPS). Our approach maintains the following attractive features of matching: a) clear separation between the design and the analysis; b) robustness to model misspecification or to the presence of extreme values of the estimated GPS; c) straightforward assessment of covariate balance. We first introduce an assumption of identifiability, called local weak unconfoundedness. Under this assumption and mild smoothness conditions, we provide theoretical guarantees that our proposed matching estimator attains point-wise consistency and asymptotic normality. In simulations, our proposed matching approach outperforms existing methods under settings of model misspecification or the presence of extreme values of the estimated GPS. We apply our proposed method to estimate the average causal exposure-response function between long-term PM$_{2.5}$ exposure and all-cause mortality among 68.5 million Medicare enrollees, 2000-2016. We found strong evidence of a harmful effect of long-term PM$_{2.5}$ exposure on mortality. Code for the proposed matching approach is provided in the CausalGPS R package, which is available on CRAN and provides a computationally efficient implementation.

研究动机与目标

• 开发一种基于匹配的因果推断方法，适用于连续暴露，其中传统倾向得分方法尚不成熟。
• 确保设计（匹配）与分析阶段的清晰分离，提升透明度与可解释性。
• 保持对模型误设和极端GPS值的稳健性，这些在观察性研究中较为常见。
• 在连续暴露情境下实现协变量平衡的评估，弥补现有GPS方法中的关键空白。
• 提供一种计算高效、非参数化的可扩展方法，适用于大规模数据集，如国家级健康队列。

提出的方法

• 提出一种基于GPS的匹配估计器，根据估计的广义倾向得分进行单位匹配，采用基于卡钳的最近邻方法。
• 引入局部弱不可忽略性假设，作为比标准不可忽略性更宽松的条件，以支持识别。
• 采用带宽选择的平滑匹配估计器，以减少偏差并确保渐近正态性。
• 采用两阶段程序：首先通过参数建模估计GPS，然后使用有放回的匹配方法平衡协变量。
• 应用欠平滑技术以实现渐近无偏估计，避免在非参数设定下过拟合。
• 在CausalGPS R包中实现该方法，支持并行计算，提升在大规模数据集上的可扩展性。

实验结果

研究问题

• RQ1 能否有效将基于匹配的方法扩展至连续暴露，同时保持设计与分析的分离以及协变量平衡？
• RQ2 与现有方法相比，所提出的GPS匹配估计器在模型误设或存在极端GPS值时的表现如何？
• RQ3 在温和光滑性和局部不可忽略性假设下，GPS匹配估计器实现了哪些理论性质——例如一致性与渐近正态性？
• RQ4 卡钳和带宽的选择如何影响估计器的有限样本性能？
• RQ5 该方法能否在大规模观察性数据中实际应用，以估计环境健康领域中的因果暴露-反应函数？

主要发现

• 在模型误设或存在极端GPS值的情况下，所提出的GPS匹配方法在模拟研究中优于现有方法。
• 在局部弱不可忽略性与光滑性假设下，该方法实现了逐点一致性与渐近正态性。
• 在Medicare队列研究中（6850万参保人，2000–2016年），该方法发现了长期PM2.5暴露与全因死亡率之间存在显著的正向、近似线性因果关系的有力证据。
• 通过GPS匹配估计的暴露-反应函数表现出稳健的协变量平衡，证实了有效的混杂控制。
• CausalGPS R包实现了高效、可扩展的实现，支持并行计算，便于在大规模观察性研究中应用。
• 该方法为连续暴露的匹配提供了一个首创的框架，同时支持因果估计与平衡评估。