Falsification of Unconfoundedness by Testing Independence of Causal Mechanisms

要約

観察研究における治療効果を推定する上での主な課題は、測定されていない交絡の想定などの未確定の状態に依存することです。
この作業では、環境と呼ばれる複数の不均一なソースからの観察データを使用して、設定で未測定の交絡の仮定を偽造できるアルゴリズムを提案します。
提案された改ざん戦略は、測定されていない交絡が観察された因果メカニズムが依存しているように見える可能性があるという重要な観察を活用しています。
この観察結果に基づいて、誤検知を制御しながらこれらの依存関係を高い統計力で検出する新しい2段階の手順を開発します。
このアルゴリズムは、ランダム化データへのアクセスを必要とせず、他の偽造アプローチとは対照的に、環境が関心のある結果に直接的な影響を与える場合でも、輸送可能性違反の下でも機能します。
アプローチの実用的な関連性を紹介するために、私たちの方法は、シミュレートされたデータと半合成データの両方の交絡を効率的に検出できることを示します。

要約(オリジナル)

A major challenge in estimating treatment effects in observational studies is the reliance on untestable conditions such as the assumption of no unmeasured confounding. In this work, we propose an algorithm that can falsify the assumption of no unmeasured confounding in a setting with observational data from multiple heterogeneous sources, which we refer to as environments. Our proposed falsification strategy leverages a key observation that unmeasured confounding can cause observed causal mechanisms to appear dependent. Building on this observation, we develop a novel two-stage procedure that detects these dependencies with high statistical power while controlling false positives. The algorithm does not require access to randomized data and, in contrast to other falsification approaches, functions even under transportability violations when the environment has a direct effect on the outcome of interest. To showcase the practical relevance of our approach, we show that our method is able to efficiently detect confounding on both simulated and semi-synthetic data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google