Copula-Based Endogeneity Correction for Doubly Robust Estimation of Treatment Effect

Sintesi Tecnica: Correzione dell'Endogeneità Basata su Copula per la Stima Robusta Doppia dell'Effetto del Trattamento

Enunciato del Problema
La stima Robusta Doppia (DR) è un approccio standard per l'inferenza causale negli studi osservazionali, offrendo consistenza se il modello della propensione al trattamento o il modello di regressione dell'esito sono specificati correttamente. Tuttavia, questo metodo si basa sull'ipotesi non verificabile di non confondimento, che richiede che tutte le cause comuni del trattamento e dell'esito siano osservate. Nella ricerca sanitaria, questa ipotesi è frequentemente violata perché variabili chiave (ad esempio, l'aderenza alla terapia, l'alfabetizzazione sanitaria) sono non osservabili. I ricercatori fanno spesso affidamento su variabili proxy (ad esempio, tassi di rinnovo delle prescrizioni) per approssimare questi comportamenti. Tali proxy sono frequentemente endogeni, correlati al termine di errore della regressione a causa di confondimento non misurato o errore di misura.

Quando le covariate sono endogene, l'ipotesi di non confondimento fallisce. Di conseguenza, gli stimatori DR standard diventano distorti, anche se le forme funzionali dei modelli di trattamento e di esito sono specificati correttamente, poiché le stesse variabili di condizionamento contengono confondimento non osservato. Le soluzioni esistenti presentano limitazioni: le Variabili Strumentali (IV) richiedono restrizioni di esclusione spesso non verificabili e difficili da soddisfare in ambito sanitario; l'analisi di sensibilità delimita l'impatto delle violazioni ma non corregge le stime; e i metodi standard basati sulla copula affrontano l'endogeneità ma mancano della proprietà di robustezza doppia contro la specificazione errata del modello.

Metodologia: lo Stimatore CEDR
Gli autori propongono lo stimatore Doppia Robustezza Corretta per Endogeneità con Copula (CEDR). Questo metodo integra correzioni basate sulla copula gaussiana per covariate endogene nel framework DR, mirando a fornire stime coerenti dell'effetto del trattamento senza richiedere variabili strumentali.

La metodologia procede come segue:

1. Framework: L'approccio adotta il framework dei potenziali esiti. Divide le covariate osservate ($X_i$) in componenti esogene ($X_i^{exo}$) e componenti endogene ($X_i^{endo}$).
2. Correzione con Copula: Per ogni covariata endogena, il metodo costruisce una funzione di controllo basata sulla copula gaussiana. Ciò si basa su tre ipotesi chiave:
   • La covariata endogena ha una distribuzione non normale.
   • La dipendenza tra la covariata endogena e il termine di errore strutturale segue una struttura di copula gaussiana.
   • Il termine di errore strutturale è distribuito normalmente.
     Il termine della copula è definito come $C(X_i^{endo}) = \Phi^{-1}(\hat{F}_X(X_i^{endo}))$, dove $\hat{F}_X$ è una funzione di distribuzione cumulativa empirica (ECDF) aggiustata per evitare problemi ai confini, e $\Phi^{-1}$ è la funzione inversa della distribuzione normale standard.
3. Stimazione in Due Passi:
   • Passo 1 (Stimazione del Modello): Il modello della propensione al trattamento (utilizzando un link probit per allinearsi alle ipotesi di errore normale) e i modelli di regressione dell'esito sono stimati utilizzando covariate aumentate $\tilde{X}_i = (X_i, C_i)$, dove $C_i$ rappresenta il vettore dei termini di correzione della copula. Questo passo assorbe la correlazione tra covariate endogene e il termine di errore.
   • Passo 2 (Stimazione DR): Per il calcolo finale dell'Effetto Medio del Trattamento (ATE), i termini della copula sono esclusi dalla fase di previsione. I coefficienti debiasati per le covariate originali ($X_i$) sono mantenuti e sostituiti nella formula standard dello stimatore DR. Ciò preserva la proprietà di robustezza doppia: lo stimatore rimane coerente se il modello della propensione al trattamento corretto con copula o il modello dell'esito corretto con copula è specificato correttamente.
4. Inferenza: Poiché i termini della copula sono regressori generati, gli autori raccomandano l'uso di metodi bootstrap per ottenere errori standard e intervalli di confidenza validi.

Contributi Chiave

• Integrazione dei Metodi: Il documento colma il divario tra la correzione dell'endogeneità basata sulla copula e la stima robusta doppia, affrontando simultaneamente sia l'endogeneità che l'incertezza del modello.
• Identificazione Senza Strumenti: A differenza dei metodi IV, il CEDR non richiede strumenti validi. Invece, sfrutta la non normalità delle covariate endogene per l'identificazione, una condizione che può essere valutata empiricamente tramite test diagnostici.
• Preservazione della Robustezza: Gli autori dimostrano che lo stimatore CEDR mantiene la proprietà di robustezza doppia, garantendo la consistenza anche se uno dei due modelli (trattamento o esito) è specificato erroneamente, a condizione che l'altro sia corretto e che le ipotesi sulla copula siano valide.

Risultati
Il documento valuta il CEDR attraverso simulazioni Monte Carlo e un'applicazione empirica utilizzando i dati della National Health and Nutrition Examination Survey (NHANES).

• Simulazioni Monte Carlo:

  • In scenari senza endogeneità ($\rho=0$), il CEDR si comporta in modo comparabile allo stimatore DR ingenuo, introducendo un bias trascurabile.
  • Sotto endogeneità moderata ($\rho=0.3$) e forte ($\rho=0.5$), lo stimatore DR ingenuo mostra un bias sostanziale (che varia dal -7% al -28% a seconda dello scenario e della specificazione errata).
  • Lo stimatore CEDR riduce significativamente questo bias (in molti casi di oltre l'80%), recuperando stime vicine al vero effetto del trattamento anche quando un modello è specificato erroneamente.
  • Esiste un compromesso: il CEDR presenta una varianza (deviazione standard) leggermente superiore rispetto allo stimatore ingenuo, in particolare sotto endogeneità forte, ma ciò è compensato dalla sostanziale riduzione del bias.

• Applicazione Empirica (NHANES):

  • Lo studio stima l'effetto della consulenza nutrizionale sulla pressione sanguigna, trattando il rapporto reddito-povertà e l'IMC come proxy endogeni.
  • Lo stimatore DR ingenuo ha suggerito un'associazione positiva statisticamente significativa, indicando che la consulenza aumenta la pressione sanguigna di circa 2,85 mmHg.
  • Lo stimatore CEDR ha ridotto la stima puntuale a 1,75 mmHg, rendendo l'effetto statisticamente non significativo (IC 95%: [-6,99, 7,34]).
  • Questa correzione allinea i risultati alla letteratura esistente che suggerisce effetti modesti o nulli della consulenza nutrizionale sulla pressione sanguigna, mentre la stima ingenua ha prodotto un risultato controintuitivo probabilmente guidato dal bias da endogeneità.

Significato e Affermazioni
Gli autori affermano che il CEDR fornisce uno strumento pratico per i ricercatori negli studi sanitari osservazionali in cui le variabili proxy sono endogene e non sono disponibili strumenti validi. Il metodo affronta un divario critico in cui i metodi DR standard falliscono a causa di confondimento non misurato nelle variabili proxy, e i metodi basati sulla copula tradizionali non proteggono contro la specificazione errata del modello.

Il documento nota con moderazione che il metodo è attualmente limitato a trattamenti binari, dati trasversali e richiede che le covariate endogene siano sufficientemente non normali per l'identificazione. Si basa inoltre sulla corretta specificazione della struttura di dipendenza della copula gaussiana. Gli autori avvertono che, sebbene l'applicazione NHANES dimostri l'utilità del metodo, conclusioni cliniche definitive richiedono ulteriore validazione su più dataset e confronto con prove sperimentali. Il significato principale risiede nell'offrire una via praticabile verso conclusioni causali più affidabili in contesti in cui le stime osservazionali standard possono essere sostanzialmente distorte.