[论文解读] Sequential causal inference in a single world of connected units

Aurélien Bibaut, Maya L. Petersen+3 more|arXiv (Cornell University)|Jan 18, 2021

Statistical Methods in Clinical Trials参考文献 29被引用 4

一句话总结

本文提出了一种在时间与网络依赖的连接单元网络中进行序列因果推断的框架，支持在时间与网络依赖下实现自适应试验设计与推断。该方法提出了一种新颖的估计方法，具备时间一致的收敛性与几乎必然的等度连续性，使得在单一依赖观测流下仍能实现最优治疗分配与自适应停止规则，从而达成渐近高效的推断。

ABSTRACT

We consider adaptive designs for a trial involving N individuals that we follow along T time steps. We allow for the variables of one individual to depend on its past and on the past of other individuals. Our goal is to learn a mean outcome, averaged across the N individuals, that we would observe, if we started from some given initial state, and we carried out a given sequence of counterfactual interventions for $τ$ time steps. We show how to identify a statistical parameter that equals this mean counterfactual outcome, and how to perform inference for this parameter, while adaptively learning an oracle design defined as a parameter of the true data generating distribution. Oracle designs of interest include the design that maximizes the efficiency for a statistical parameter of interest, or designs that mix the optimal treatment rule with a certain exploration distribution. We also show how to design adaptive stopping rules for sequential hypothesis testing. This setting presents unique technical challenges. Unlike in usual statistical settings where the data consists of several independent observations, here, due to network and temporal dependence, the data reduces to one single observation with dependent components. In particular, this precludes the use of sample splitting techniques. We therefore had to develop a new equicontinuity result and guarantees for estimators fitted on dependent data. We were motivated to work on this problem by the following two questions. (1) In the context of a sequential adaptive trial with K treatment arms, how to design a procedure to identify in as few rounds as possible the treatment arm with best final outcome? (2) In the context of sequential randomized disease testing at the scale of a city, how to estimate and infer the value of an optimal testing and isolation strategy?

研究动机与目标

• 在具有时间与网络依赖的 N 个单元的序列试验中实现因果推断。
• 设计自适应治疗规则，以最小化遗憾或探索时间，学习最优干预。
• 为依赖数据下的序列假设检验构建自适应停止规则。
• 在缺乏独立样本（因依赖性导致）的情况下，实现渐近高效的推断。
• 开发一种支持时间一致收敛性与几乎必然等度连续性的统计模型，用于依赖数据上的估计器。

提出的方法

• 使用单世界干预框架，定义干预序列下的反事实结果。
• 引入一种支持时间一致收敛性与等度连续性的无分布参数模型，用于处理干扰参数。
• 采用目标最大似然估计（TMLE），并结合时间一致的集中界，以确保推断的有效性。
• 推导不同设计下估计器的渐近方差表达式，以指导自适应设计选择。
• 通过插补法估计渐近方差，以在每个时间步选择最高效的设计。
• 在依赖数据下的序列检验中，使用集中不等式而非极限定理，以控制第一类错误。

实验结果

研究问题

• RQ1 在具有网络依赖与时间依赖的系统中，如何设计自适应试验，以最少的轮次识别最优治疗组？
• RQ2 如何估计并推断在城市规模的序列疾病检测试验中，最优检测与隔离策略的价值？
• RQ3 当数据仅来自单一依赖观测流（因时间与网络依赖导致）时，估计器可提供何种统计保证？
• RQ4 如何为这类依赖数据下的序列假设检验构建自适应停止规则？
• RQ5 在缺乏独立观测的情况下，能否在不进行样本分割的前提下实现渐近高效的推断？

主要发现

• 所提方法实现了干扰参数估计器的时间一致收敛性与几乎必然等度连续性，从而在时间与网络依赖下支持有效推断。
• 基于最小化估计渐近方差的自适应设计，几乎必然收敛至最优设计，确保 TMLE 达到最小可能的渐近方差。
• 该框架通过利用控制依赖下第一类错误的集中不等式，支持序列检验的自适应停止规则。
• 有效样本量与 T×N 成正比，即使仅存在单一观测流，这是由于个体与时间之间具有同质性假设。
• 在 τ=1 时，Neyman 分配设计被推测为两臂试验的最优设计，其效率高于均匀设计。
• 该方法通过依赖集中界与时间一致收敛性避免了样本分割，这在依赖数据场景中至关重要。