[论文解读] Multiply Robust Federated Estimation of Targeted Average Treatment Effects

Larry Han, Zhu Shen+1 more|arXiv (Cornell University)|Sep 22, 2023

Advanced Causal Inference Techniques被引用 4

一句话总结

本文提出了一种多重稳健、隐私保护的联邦估计器，用于在存在协变量偏移和协变量不匹配的多中心研究中估计目标平均处理效应（ATE）。通过使用源站点估计的自适应集成加权和半参数效率理论，该方法在不共享个体层面数据的前提下，实现了有限样本下的更高效率和更强鲁棒性。

ABSTRACT

Federated or multi-site studies have distinct advantages over single-site studies, including increased generalizability, the ability to study underrepresented populations, and the opportunity to study rare exposures and outcomes. However, these studies are challenging due to the need to preserve the privacy of each individual's data and the heterogeneity in their covariate distributions. We propose a novel federated approach to derive valid causal inferences for a target population using multi-site data. We adjust for covariate shift and covariate mismatch between sites by developing multiply-robust and privacy-preserving nuisance function estimation. Our methodology incorporates transfer learning to estimate ensemble weights to combine information from source sites. We show that these learned weights are efficient and optimal under different scenarios. We showcase the finite sample advantages of our approach in terms of efficiency and robustness compared to existing approaches.

研究动机与目标

• 解决在源站点协变量分布异质且存在缺失或不匹配协变量时，估计目标人群因果效应的挑战。
• 克服现有方法的局限性，这些方法要求模型设定一致或需汇集个体层面数据，从而违反隐私法规。
• 开发一种方法，允许各站点独立建模，同时通过多重稳健估计确保对模型误设的鲁棒性。
• 通过基于数据自适应权重最优组合多个源站点估计，实现高效且有效的因果推断。
• 通过仅共享汇总层面信息——特别是目标站点的协变量矩——而非个体层面数据，保护数据隐私。

提出的方法

• 提出一种联邦框架，利用密度比模型估计选择权重，以校正目标站点与源站点之间的协变量偏移，仅共享协变量矩。
• 采用一类多重稳健估计器来处理干扰函数，确保只要多个结果或处理模型中任一模型设定正确，估计结果即具有一致性。
• 引入一种自适应集成方法，基于预测风险学习最优权重以组合源站点估计，从而最小化渐近方差。
• 利用半参数效率理论推导出闭式方差近似，避免计算密集的自助法（bootstrap）方法。
• 将最终估计量表述为基于最小化估计渐近方差而确定权重的目标站点与源站点ATE估计的加权组合。
• 在一致有界性条件下，建立估计量的理论一致性与渐近正态性，最优权重可通过L1-惩罚估计恢复。

Figure 1 : Schematic of the data structure in the multi-site setting.

实验结果

研究问题

• RQ1 当各站点协变量分布不同时，且无法共享个体层面数据，我们能否基于多中心数据实现对目标人群的有效因果推断？
• RQ2 在存在模型误设的情况下，如何最优地组合多个源站点的估计以提升效率与鲁棒性？
• RQ3 当某些混杂因素在目标站点缺失但在源站点存在时，协变量不匹配对因果估计的影响是什么，如何纠正？
• RQ4 我们能否开发一种隐私保护方法，避免数据汇集，同时仍实现与使用个体层面数据的方法相当的渐近效率？
• RQ5 在何种条件下，通过自适应集成加权的联邦估计可产生严格小于仅依赖目标站点数据的估计量的方差？

主要发现

• 所提出的估计量在温和正则性条件下具有渐近正态性且一致，其渐近方差在一致有界性条件下有界且有限。
• 自适应集成权重被证明为渐近最优，能最小化ATE估计量的渐近方差。
• 只要存在至少一个信息丰富的源站点，且该站点的估计量与目标估计量和差异估计量之间具有非零协方差，则基于联邦数据的估计量的渐近方差严格小于仅依赖目标站点数据的估计量。
• 通过数据自适应加权实现效率增益，该方法利用了信息丰富的源站点数据，而无需各站点间模型同质。
• 基于半参数理论推导出的闭式表达式可一致近似方差估计，从而无需自助法重抽样即可实现有效推断。
• 该方法对模型误设具有鲁棒性：只要多个结果或处理模型中任一模型设定正确，估计量即保持一致，从而提供多重偏差防范机制。

Figure 2 : Estimates of the TATE based on $500$ simulated data sets with covariate mismatch comparing the site-specific estimators with nuisance functions estimated by AIPW (left) and by multiply robust model-mixing (right).