[论文解读] Variance-based sensitivity analysis for weighting estimators result in more informative bounds

Melody Huang, Samuel D. Pimentel|arXiv (Cornell University)|Aug 2, 2022

Advanced Causal Inference Techniques被引用 4

一句话总结

本文提出了一种基于方差的敏感性模型，用于加权估计器的权重分配，该模型使用可解释且有界的 R² 参数来量化因遗漏混杂因素导致的残差不平衡。通过将偏差建模为权重分布差异而非最坏情况误差，该方法产生的置信区间比现有方法更紧致、更稳定，在有限样本中通过实证验证显示覆盖概率更高且区间更窄。

ABSTRACT

Weighting methods are popular tools for estimating causal effects; assessing their robustness under unobserved confounding is important in practice. In the following paper, we introduce a new set of sensitivity models called "variance-based sensitivity models". Variance-based sensitivity models characterize the bias from omitting a confounder by bounding the distributional differences that arise in the weights from omitting a confounder, with several notable innovations over existing approaches. First, the variance-based sensitivity models can be parameterized with respect to a simple $R^2$ parameter that is both standardized and bounded. We introduce a formal benchmarking procedure that allows researchers to use observed covariates to reason about plausible parameter values in an interpretable and transparent way. Second, we show that researchers can estimate valid confidence intervals under a set of variance-based sensitivity models, and provide extensions for researchers to incorporate their substantive knowledge about the confounder to help tighten the intervals. Last, we highlight the connection between our proposed approach and existing sensitivity analyses, and demonstrate both, empirically and theoretically, that variance-based sensitivity models can provide improvements on both the stability and tightness of the estimated confidence intervals over existing methods. We illustrate our proposed approach on a study examining blood mercury levels using the National Health and Nutrition Examination Survey (NHANES).

研究动机与目标

• 为解决在观察性因果推断中使用的加权估计器对未观测混杂因素的稳健性评估挑战。
• 开发一种既可解释又具有边界的敏感性模型，使研究者能够推理未观测混杂因素的合理取值。
• 通过超越最坏情况误差边界的方法，提升敏感性分析中置信区间的稳定性和信息量。
• 提出一种基于观测协变量的基准程序，用于为敏感性参数（R²）提供合理取值的指导。
• 通过纳入对混杂因素与结果之间关系的实质性知识，实现更紧致的区间估计。

提出的方法

• 提出一种基于方差的敏感性模型，通过约束因遗漏混杂因素导致的估计权重与真实权重之间的分布差异。
• 使用 R² 度量参数化模型，该度量表示由遗漏混杂因素引起的残差不平衡比例，取值范围在 0 到 1 之间。
• 开发一种正式的基准程序，利用观测协变量校准 R² 参数，增强其可解释性。
• 推导出在敏感性模型下最优偏差边界的闭式解，从而支持有效的渐近置信区间。
• 通过引入遗漏混杂因素与结果之间相关性的约束，扩展模型，进一步收紧边界。
• 将敏感性分析建模为在加权平均误差约束下的偏差最大化问题，与最坏情况误差方法形成对比。

实验结果

研究问题

• RQ1 如何使加权估计器的敏感性分析比现有基于最坏情况误差的模型更具可解释性且不那么保守？
• RQ2 像 R² 这样有界且标准化的敏感性参数，是否能提升因果推断中敏感性分析的可解释性和校准性？
• RQ3 与边际敏感性模型相比，基于方差的敏感性模型在有限样本中能否维持名义上的覆盖概率？
• RQ4 将混杂因素与结果之间的关系纳入模型，对敏感性边界紧致程度的影响有多大？
• RQ5 该基于方差的模型是否能在保持统计有效性的同时，产生比现有方法更具信息量的边界？

主要发现

• 基于方差的敏感性模型产生的置信区间显著窄于边际敏感性模型，尤其在有限样本中，后者存在严重的覆盖不足问题。
• 该模型使用 R² 作为敏感性参数，确保了可解释性和有界性，使研究者能够利用观测协变量来基准合理取值。
• 在 NHANES 数据上的实证结果表明，即使存在高不平衡的混杂因素（例如，年龄的 R² = 0.12），若其与结果不相关，则诱导的偏差仍很低。
• 通过引入结果-混杂因素相关性约束，模型显著收紧了边界，凸显了同时考虑不平衡与结果相关性的重要性。
• 最优偏差边界闭式解的推导，使得高效且有效的推断成为可能，支持在敏感性模型下渐近有效的置信区间。
• 与最坏情况误差模型相比，基于方差的方法在稳定性和信息量方面表现更优，因其聚焦于分布差异而非极端异常值。