С точки зрения статистики, можно ли сделать вывод о причинно-следственной связи, используя оценки склонности в обсервационном исследовании?

Вопрос: С точки зрения статистики (или специалиста), можно ли сделать вывод о причинно-следственной связи, используя оценки предрасположенности в наблюдательном исследовании (а не в эксперименте )?

Пожалуйста, не хотите начинать пламенную войну или фанатичные дебаты.

История вопроса: в рамках нашей программы PhD по статистике мы затрагивали причинно-следственные связи только через рабочие группы и несколько тематических сессий. Тем не менее, есть некоторые очень выдающиеся исследователи в других отделах (например, HDFS, Социология), которые активно их используют.

Я уже был свидетелем довольно жарких дебатов по этому вопросу. Я не собираюсь начинать здесь. Тем не менее, с какими ссылками вы столкнулись? Какие у вас точки зрения? Например, один аргумент, который я слышал против оценок предрасположенности как метод причинно-следственной связи, заключается в том, что никогда нельзя сделать вывод о причинности из-за пропущенного переменного смещения - если вы пропустите что-то важное, вы нарушите причинно-следственную цепь. Это неразрешимая проблема?

Отказ от ответственности: на этот вопрос может не быть правильного ответа - совершенно круто, нажав cw, но лично я очень заинтересован в ответах и ​​был бы рад с несколькими хорошими ссылками, которые включают примеры из реальной жизни.

В начале статьи, направленной на поощрение использования ПС в эпидемиологии, Оукс и Черч (1) привели утверждения Эрнана и Робинса о смешанном эффекте в эпидемиологии (2):

Можете ли вы гарантировать, что результаты вашего наблюдательного исследования не будут затронуты неизмеримым смешением? Единственный ответ, который может дать эпидемиолог, - «нет».

Это не просто говорит о том, что мы не можем гарантировать, что результаты наблюдательных исследований являются беспристрастными или бесполезными (поскольку, как сказал @propofol, их результаты могут быть полезны для разработки РКИ), но также и то, что PS, безусловно, не предлагают полного решения этой проблемы. проблема, или, по крайней мере, не обязательно дают лучшие результаты, чем другие сопоставления или многовариантные методы (см., например, (10)).

Оценки склонности (PS) по построению являются вероятностными, а не причинными показателями. Выбор ковариат, которые входят в функцию оценки предрасположенности, является ключевым элементом для обеспечения его надежности, и их слабость, как уже было сказано, в основном заключается в том, что он не контролирует ненаблюдаемые конфузоры (что весьма вероятно в ретроспективных исследованиях или исследованиях типа случай-контроль ) , Необходимо учитывать и другие факторы: (а) неправильная спецификация модели повлияет на прямые оценки воздействия (хотя на самом деле не больше, чем в случае МНК), (б) могут отсутствовать данные на уровне ковариат, (в) PS влияют не преодолеть синергетические эффекты, которые, как известно, влияют на причинную интерпретацию (8,9).

Что касается ссылок, то я обнаружил, что слайды Роджера Ньюсона - « Причинность», «конфузоры» и «оценки склонности» - относительно хорошо сбалансированы относительно преимуществ и недостатков использования показателей склонности, с иллюстрациями из реальных исследований. Было также несколько хороших работ, обсуждающих использование оценок склонности в обсервационных исследованиях или эпидемиологии окружающей среды два года назад в Статистике в Медицинеи я приложу пару из них в конце (3-6). Но мне нравится обзор Перла (7), потому что он предлагает более широкий взгляд на проблемы причинности (PS обсуждаются на стр. 117 и 130). Очевидно, вы найдете много других иллюстраций, глядя на прикладные исследования. Я хотел бы добавить две недавние статьи Уильяма Р. Шадиша, которые попали на сайт Эндрю Гелмана (11,12). Обсуждается использование оценок предрасположенности, но в двух работах основное внимание уделяется причинно-следственной связи в наблюдательных исследованиях (и ее сопоставлению со случайными параметрами).

Ссылки

1. Оукс, JM и Черч, TR (2007). Предлагаемый комментарий: Методы оценки прогрессирующей склонности в эпидемиологии . Американский журнал эпидемиологии , 165 (10), 1119-1121.
2. Эрнан М. А. и Робинс Дж. М. (2006). Инструменты для причинного вывода: мечта эпидемиолога? Эпидемиология , 17, 360-72.
3. Рубин Д. (2007). Дизайн против анализа наблюдательных исследований причинных эффектов: параллели с дизайном рандомизированных исследований . Статистика в медицине , 26, 20–36.
4. Шрайер, И. (2008). Письмо в редакцию . Статистика в медицине , 27, 2740–2741.
5. Pearl, J. (2009). Замечания о методе оценки склонности . Статистика в медицине , 28, 1415–1424.
6. Стюарт Э.А. (2008). Разработка практических рекомендаций по использованию оценок предрасположенности: дискуссия Питера Остина «Критическая оценка соответствия баллов предрасположенности в медицинской литературе между 1996 и 2003 годами» . Статистика в медицине , 27, 2062–2065.
7. Pearl, J. (2009). Причинный вывод в статистике: обзор . Статистические обзоры , 3, 96-146.
8. Оукс, JM и Джонсон, PJ (2006). Соответствие показателя склонности к социальной эпидемиологии . В Методы в социальной эпидемиологии , Дж. М. Оукс и С. Кауфман (ред.), С. 364-386. Jossez-Bass.
9. Хефлер, М. (2005). Причинный вывод, основанный на контрфактах . BMC Методология медицинских исследований , 5, 28.
10. Winkelmayer, WC и Kurth, T. (2004). Оценка склонности: помощь или реклама? Нефрологическая диализная трансплантация , 19 (7), 1671-1673.
11. Shadish, WR, Clark, MH, и Steiner, PM (2008). Могут ли нерандомизированные эксперименты дать точные ответы? Рандомизированный эксперимент, сравнивающий случайные и неслучайные назначения . JASA , 103 (484), 1334-1356.
12. Cook, TD, Shadish, WR, and Wong, VC (2008). Три условия, при которых эксперименты и обсервационные исследования дают сопоставимые оценки причинно-следственных связей: новые результаты сравнений внутри исследований . Журнал анализа политики и управления , 27 (4), 724–750.

Оценки склонности обычно используются в соответствующей литературе. Оценки склонности используют ковариаты до лечения, чтобы оценить вероятность получения лечения. По сути, регрессия (обычная OLS или логит, пробит и т. Д.) Используется для расчета показателя склонности к лечению, поскольку ваш результат и переменные до лечения являются вашими ковариатами. Как только получена хорошая оценка показателя склонности, субъекты с аналогичными показателями склонности, но с различными полученными методами лечения сопоставляются друг с другом. Эффект лечения - это разница в средствах между этими двумя группами.

Розенбаум и Рубин (1983) показывают, что сопоставления обработанных и контрольных субъектов с использованием только показателя склонности достаточно, чтобы устранить все отклонения в оценке эффекта лечения, обусловленные наблюдаемыми ковариатами перед лечением, использованными для построения показателя. Обратите внимание, что это доказательство требует использования истинного показателя склонности, а не оценки. Преимущество этого подхода заключается в том, что он превращает проблему сопоставления в нескольких измерениях (по одному на каждую ковариату перед обработкой) в одномерный случай сопоставления - большое упрощение.

Розенбаум, Пол Р. и Дональд Б. Рубин. 1983. « Центральная роль показателя склонности в наблюдательных исследованиях причинных эффектов ». Biometrika. 70 (1): 41--55.

Только проспективное рандомизированное исследование может определить причинность. В наблюдательных исследованиях всегда будет вероятность неизмеренного или неизвестного ковариата, что делает невозможным приписывание причинности.

Тем не менее, наблюдательные испытания могут предоставить доказательства сильной связи между x и y, и, следовательно, полезны для генерации гипотез. Эти гипотезы должны быть подтверждены рандомизированным исследованием.

Вопрос, кажется, включает в себя две вещи, которые действительно должны рассматриваться отдельно. Во-первых, можно ли сделать вывод о причинно-следственной связи из наблюдательного исследования, и на этом вы можете противопоставить взгляды, скажем, Pearl (2009), который утверждает, что да, если вы можете правильно смоделировать процесс, с мнением @propofol, найти много союзников в экспериментальных дисциплинах и, возможно, поделиться некоторыми мыслями, высказанными в (довольно неясном, но, тем не менее, хорошем) эссе Gerber et al (2004). Во-вторых, предполагая, что вы действительно думаете, что причинно-следственная связь может быть выведена из данных наблюдений, вы можете задаться вопросом, полезны ли при этом методы оценки склонности. Методы оценки склонности включают различные стратегии кондиционирования, а также взвешивание обратной склонности. Хороший обзор дан Lunceford and Davidian (2004).

Небольшая морщинка: сопоставление и вес оценки склонности также используются при анализе рандомизированных экспериментов, когда, например, есть интерес к вычислению «косвенных эффектов», а также когда есть проблемы потенциально неслучайного истощения или отсева ( в этом случае то, что у вас есть, напоминает обсервационное исследование).

Ссылки

Гербер А. и соавт. 2004. «Иллюзия обучения из наблюдательных исследований». В Shapiro I, и др., Проблемы и методы в изучении политики , издательство Кембриджского университета.

Lunceford JK, Davidian M. 2004. «Стратификация и взвешивание через оценку склонности в оценке причинно-следственных эффектов лечения: сравнительное исследование». Статистика в медицине 23 (19): 2937–2960.

Перл Дж. 2009. Причинность (2-е изд.) , Издательство Кембриджского университета.

Традиционная мудрость гласит, что только рандомизированные контролируемые испытания («реальные» эксперименты) могут идентифицировать причинно-следственную связь.

Однако это не так просто.

Одна из причин, по которой рандомизации может быть недостаточно, заключается в том, что в «малых» выборках закон большого числа не является «достаточно сильным», чтобы обеспечить сбалансированность всех различий. Вопрос в том, что является «слишком маленьким» и когда начинается «достаточно большим»? Санкт-Монт (2015) утверждает здесь , что «достаточно большой» может также начинается в тысячах (п> 1000)!

В конце концов, дело в том, чтобы сбалансировать различия между группами, чтобы контролировать различия. Таким образом, даже в экспериментах необходимо соблюдать большую осторожность, чтобы сбалансировать различия между группами. Согласно расчетам Saint-Mont (2015), вполне возможно, что в небольших выборках можно значительно лучше использовать сопоставленные (сбалансированные вручную) образцы.

Что касается вероятности. Конечно, вероятность никогда не сможет дать окончательный ответ - если вероятность не является экстремальной (ноль или единица). Однако в науке мы часто сталкиваемся с ситуациями, в которых мы не можем дать окончательный ответ, так как все сложно. Отсюда необходимость вероятности. Вероятность - это не что иное, как способ выразить нашу неопределенность в утверждении. Как таковая, она похожа на логику; см. Бриггс (2016) здесь .

Таким образом, вероятность поможет нам, но не даст окончательных ответов, нет уверенности. Но это очень полезно - выражать неопределенность.

Отметим также, что причинно-следственная связь не является в первую очередь статистическим вопросом. Предположим, что два средства отличаются «значительно». Не означает ли, что группирующая переменная является причиной различия измеряемой переменной? Нет (не обязательно) Независимо от того, какую конкретную статистику вы используете - показатель склонности, p-значения, байесовские коэффициенты и т. Д. - таких методов (практически) никогда не бывает достаточно для резервного копирования причинных претензий.