Bounding Causal Effects with Leaky Instruments

要約

操作変数 (IV) は、観察されていない交絡が存在する場合の因果効果を推定するための一般的かつ強力なツールです。
しかし、古典的なアプローチは、手段効果は完全に治療によって媒介されなければならないという $\textit{除外基準}$ のような強力な仮定に依存しています。
この仮定は実際には失敗することがよくあります。
除外基準を満たさないデータに IV 手法が不適切に適用されると、推定された因果効果が大きく偏る可能性があります。
この研究では、ある程度限定された範囲で除外基準に違反することが許容される一連の $\textit{漏れのある機器}$ を与えられた線形システムで $\textit{部分}$ の識別を提供する新しい解決策を提案します。
私たちは、いくつかの一般的な形態の情報漏洩の下で、平均的な治療効果に明らかに鋭い境界を提供する凸型の最適化目標を導き出し、推論手順を実装して、結果の推定値の不確実性を定量化します。
シミュレートされたデータを使用した一連の実験で私たちの方法を実証し、最先端技術に比べて有利に機能します。
付属の $\texttt{R}$ パッケージ $\texttt{leakyIV}$ は、$\texttt{CRAN}$ から入手できます。

要約(オリジナル)

Instrumental variables (IVs) are a popular and powerful tool for estimating causal effects in the presence of unobserved confounding. However, classical approaches rely on strong assumptions such as the $\textit{exclusion criterion}$, which states that instrumental effects must be entirely mediated by treatments. This assumption often fails in practice. When IV methods are improperly applied to data that do not meet the exclusion criterion, estimated causal effects may be badly biased. In this work, we propose a novel solution that provides $\textit{partial}$ identification in linear systems given a set of $\textit{leaky instruments}$, which are allowed to violate the exclusion criterion to some limited degree. We derive a convex optimization objective that provides provably sharp bounds on the average treatment effect under some common forms of information leakage, and implement inference procedures to quantify the uncertainty of resulting estimates. We demonstrate our method in a set of experiments with simulated data, where it performs favorably against the state of the art. An accompanying $\texttt{R}$ package, $\texttt{leakyIV}$, is available from $\texttt{CRAN}$.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google