On the use of auxiliary variables in multiple imputation when estimating the average causal effect with missing data
Diese Arbeit untersucht die Rolle von Hilfsvariablen bei der multiplen Imputation zur Schätzung durchschnittlicher kausaler Effekte bei fehlenden Daten und zeigt durch Simulationen und theoretische Analysen auf, dass die Unterscheidung zwischen Mediator- und Nicht-Mediator-Variablen sowie die Verwendung kompatibler, flexibler Imputationsmodelle essenziell sind, um die Rückgewinnbarkeit und Unverzerrtheit kausaler Schätzungen zu gewährleisten.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, ein Rätsel zu lösen: Verursacht der Cannabiskonsum im Jugendalter später im Leben psychische Probleme?
Um dies zu lösen, müssen Sie eine Gruppe von Menschen untersuchen, diejenigen, die konsumiert haben, mit denen vergleichen, die es nicht getan haben, und sehen, wie groß der Unterschied in ihren psychischen Gesundheitswerten ist. Das ist das, was Wissenschaftler als die Schätzung des „durchschnittlichen kausalen Effekts“ (Average Causal Effect) bezeichnen.
Aber hier ist das Problem: Die Daten sind unordentlich. Einige Leute haben vergessen, Teile ihrer Umfrage auszufüllen. Einige sind aus der Studie ausgestiegen. Einige Antworten fehlen einfach. Das ist das Problem der „fehlenden Daten“.
Wenn Daten fehlen, kann man die Lücken nicht einfach ignorieren. Wenn man die unvollständigen Umfragen wegwirft (eine Methode, die „Complete Case Analysis“ genannt wird), könnte man ein verzerrtes Bild erhalten, so als würde man versuchen, die Noten einer ganzen Klasse zu beurteilen, indem man nur die Schüler betrachtet, die am Tag der Prüfung tatsächlich in der Schule erschienen sind.
Die Lösung: „Multiple Imputation“ (Das Lückentext-Spiel)
Wissenschaftler nutzen eine Technik namens Multiple Imputation (MI). Denken Sie an dies als ein intelligentes Ratespiel. Anstatt die fehlenden Umfragen wegzuwerfen, erstellt der Computer mehrere „fiktive“ Versionen der fehlenden Daten basierend auf den Mustern, die er in den echten Daten sieht. Er löst das Rätsel dann auf all diesen fiktiven Versionen und bildet den Durchschnitt der Ergebnisse.
Aber um richtig zu raten, braucht der Computer Hinweise. Hier kommen Hilfsvariablen (Auxiliary Variables) ins Spiel.
Die Hinweise: Hilfsvariablen
Stellen Sie sich vor, Sie versuchen, die fehlende Mathe-Note eines Schülers zu erraten.
- Der offensichtliche Hinweis: Sie schauen sich seine anderen Mathe-Noten an.
- Der „Hilfs“-Hinweis: Sie schauen auch darauf, wie viele Stunden er gelernt hat oder ob er an diesem Tag Kopfschmerzen hatte. Dies sind nicht die Mathe-Note selbst, aber sie stehen in einer Beziehung dazu. In der wissenschaftlichen Arbeit werden diese als Hilfsvariablen bezeichnet.
Die Arbeit untersucht eine sehr spezifische, knifflige Frage: Was passiert, wenn einer dieser „Hinweise“ tatsächlich Teil der Ursache-Wirkungs-Kette ist?
Die Autoren unterteilen diese Hinweise in zwei Typen:
- Der „Nebenschauplatz“ (Nicht-Mediator): Eine Variable, die hilft, die fehlenden Daten zu erklären, aber nicht durch das verursacht wird, was man gerade untersucht. (z. B. Ein Kopfschmerz eines Schülers, der dazu führt, dass er den Test verpasst, aber der Cannabiskonsum hat nicht den Kopfschmerz verursacht).
- Der „Mittelsmann“ (Mediator): Eine Variable, die durch das verursacht wird, was man untersucht, und die dann wiederum die Wirkung verursacht. (z. B. Cannabiskonsum Schlafprobleme psychische Probleme). Hier ist „Schlafprobleme“ der Hinweis auf die fehlenden Daten, aber er sitzt genau in der Mitte der kausalen Kette.
Das Experiment: Das Ratespiel testen
Die Forscher führten eine massive Simulation (ein Computerexperiment) durch, um zu sehen, welche Ratestrategien unter verschiedenen „Missingness Maps“ (Diagrammen, die zeigen, warum Daten fehlten) am besten funktionieren.
Sie testeten drei Hauptstrategien:
- Die „Wegwerf“-Strategie (CCA): Ignorieren Sie die fehlenden Daten einfach.
- Die „Hinweis in die Endgleichung aufnehmen“-Strategie (A-CCA): Nutzen Sie die Hinweise, um die fehlenden Daten zu korrigieren, indem Sie sie direkt in die endgültige mathematische Formel einfügen.
- Die „Intelligente Imputation“-Strategie (MI mit Hilfsvariablen): Füttern Sie die Hinweise in den „Lückenfüll“-Motor des Computers ein, bevor Sie die endgültige Mathematik durchführen.
Die großen Erkenntnisse
Hier ist das, was sie herausgefunden haben, übersetzt in einfache Sprache:
1. Die „Mittelsmann“-Falle
Wenn Ihr Hinweis ein „Mittelsmann“ (ein Mediator) ist, können Sie ihn nicht einfach zu Ihrer endgültigen mathematischen Formel hinzufügen (Strategie 2).
- Analogie: Wenn Sie wissen wollen, wie viel Rauchen zu Lungenkrebs führt, und Sie fügen „Teer in der Lunge“ zu Ihrer Formel hinzu, blockieren Sie versehentlich den Pfad des Rauchens. Sie messen dann den Effekt des Teers, nicht den des Rauchens.
- Ergebnis: Diese Methode (A-CCA) erzeugte riesige Fehler, wenn der Hinweis ein Mediator war. Sie ließ den Detektiv glauben, das Rauchen hätte gar keinen Effekt oder den falschen Effekt.
2. „Intelligente Imputation“ gewinnt (Aber seien Sie vorsichtig, wie Sie es machen)
Der beste Weg, diese Hinweise zu nutzen, besteht darin, sie in den „Lückenfüll“-Motor (Multiple Imputation) einzuspeisen.
- Der flexible Ansatz (CART): Die Forscher fanden heraus, dass die Verwendung einer nicht-parametrischen Methode (wie ein Entscheidungsbaum oder „CART“) sehr robust ist. Es ist wie ein Detektiv, der sich nicht auf starre Regeln verlässt, sondern das Gesamtbild betrachtet. Diese Methode funktionierte gut, selbst wenn die Hinweise schwierige „Mittelsmänner“ waren.
- Der kompatible Ansatz (A-SMCFCS): Eine andere Methode funktionierte ebenfalls gut, vorausgesetzt, die Regeln des Computers für das „Lückenfüllen“ waren perfekt kompatibel mit den mathematischen Regeln der Endanalyse.
3. Die Gefahr des „inkompatiblen“ Ratens
Wenn Sie eine Standard-Ratetechnik (wie die lineare Regression) verwenden und nicht sicherstellen, dass die Regeln für das Raten mit den Regeln der endgültigen Mathematik übereinstimmen, erhalten Sie verzerrte Ergebnisse. Es ist, als würde man ein Lineal benutzen, um das Gewicht zu messen. Die Arbeit zeigt, dass das bloße Hinzufügen eines „Mittelsmann“-Hinweises in einen Standard-Ratemechanismus ohne besondere Sorgfalt die gesamte Untersuchung zerstören kann.
Das Fazit für den Detektiv
Wenn Sie versuchen, Ursache und Wirkung mit unordentlichen Daten zu ermitteln:
- Werfen Sie fehlende Daten nicht einfach weg.
- Werfen Sie nicht einfach jeden Hinweis, den Sie haben, in Ihre endgültige mathematische Gleichung. Wenn ein Hinweis ein „Mittelsmann“ (verursacht durch die Exposition) ist, wird das Hinzufügen in die endgültige Gleichung Ihre Ergebnisse ruinieren.
- Nutzen Sie ein „Intelligentes Imputation“-Werkzeug. Füttern Sie Ihre Hinweise (sowohl Neben-Hinweise als auch Mittelsmänner) in den Ratemotor des Computers ein, bevor Sie die endgültige Mathematik durchführen.
- Nutzen Sie flexible Werkzeuge. Die Arbeit legt nahe, dass flexible, nicht-parametrische Werkzeuge (wie CART) oder speziell entwickelte „kompatible“ Werkzeuge (wie A-SMCFCS) die sichersten Wege sind, um falsche Antworten zu vermeiden.
Kurz gesagt: Um das Rätsel der fehlenden Daten zu lösen, benötigen Sie die richtigen Hinweise, aber Sie müssen sie dem Computer auf die richtige Weise übermitteln, sonst lösen Sie den falschen Fall.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.