[论文解读] Positivity: Identifiability and Estimability

Paul N. Zivich, Stephen R. Cole+1 more|arXiv (Cornell University)|Jul 11, 2022

Advanced Causal Inference Techniques被引用 4

一句话总结

本文区分了确定性正性（deterministic positivity）——即在总体中所有混杂因素组合下均保证治疗概率非零——与随机正性（stochastic positivity）——即在有限样本中估计的概率非零。本文证明，确定性正性可确保非参数可识别性，而随机正性则是可估计性的必要条件，并表明在模型假设正确时，基于模型或机器学习的方法可缓解随机正性违反的问题。

ABSTRACT

Positivity, the assumption that every unique combination of confounding variables that occurs in a population has a non-zero probability of an action, can be further delineated as deterministic positivity and stochastic positivity. Here, we revisit this distinction, examine its relation to nonparametric identifiability and estimability, and discuss how to address violations of positivity assumptions. Finally, we relate positivity to recent interest in machine learning, as well as the limitations of data-adaptive algorithms for causal inference. Positivity may often be overlooked, but it remains important for inference.

研究动机与目标

• 澄清因果推断中确定性与随机正性的区别。
• 考察确定性正性如何确保非参数可识别性，以及随机正性如何确保可估计性。
• 通过基于模型或数据自适应的方法，解决观察性研究中正性假设违反的问题。
• 评估机器学习算法在处理随机正性违反问题时的局限性，尽管其具有灵活性。
• 强调正性作为因果推断中常被忽视的基础假设的重要性。

提出的方法

• 将确定性正性定义为：对所有在Z的支撑集中的z，Pr(A=a|Z=z) ≥ ε > 0，以确保可识别性。
• 将随机正性定义为：在样本大小为n的观测中，对所有观测到的z，经验估计值Pr̂n(A=a|Z=z) > 0，以确保可估计性。
• 使用非参数逆概率加权（IPW）估计器，证明当随机正性被违反时，会出现除零错误。
• 提出参数模型（如逻辑回归）以对Pr(A|Z)施加结构，避免估计概率为零。
• 通过超参数调优（如最小叶节点大小）评估机器学习方法（如随机森林）以防止倾向得分估计为零。
• 证明即使灵活的算法也需先验约束以确保可估计性，尤其在高维设置中。

实验结果

研究问题

• RQ1 确定性正性与随机正性在因果识别与估计中的作用有何不同？
• RQ2 在非参数估计器（如IPW）中，违反随机正性会产生何种后果？
• RQ3 参数模型或机器学习算法能否有效应对随机正性违反问题？
• RQ4 为何确定性正性是实现非参数可识别性的必要条件，而随机正性是可估计性的必要条件？
• RQ5 数据自适应算法（如随机森林）在无额外建模假设下，能在多大程度上克服正性问题？

主要发现

• 确定性正性可确保平均因果效应的非参数可识别性，因为它保证了所有混杂因素模式下潜在结果均有定义。
• 随机正性是可估计性的必要条件，因为其违反会导致IPW等估计器出现除零错误，使其无定义。
• 即使样本量很大，由于高维协变量空间中稀疏或零观测单元的存在，随机正性仍可能失效。
• 参数模型（如逻辑回归）可通过为Pr(A|Z)施加结构，避免估计概率为零，从而恢复可估计性。
• 若超参数（如最小叶节点大小）设置过严，机器学习算法（如随机森林）仍可能产生零估计概率，因此需先验约束。
• 确定性正性与随机正性之间的区别至关重要：确定性违反会破坏可识别性，而随机违反仅破坏可估计性，但两者在实践中均需评估。