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

Technische Samenvatting: Copula-gebaseerde Endogeniteitscorrectie voor Dubbel Robuuste Schatting van het Behandelings-effect

Probleemstelling
Dubbel Robuuste (DR) schatting is een standaardbenadering voor causale inferentie in observationele studies, die consistentie biedt indien óf het propensity score (behandeling)model óf het uitkomstregressiemodel correct is gespecificeerd. Deze methode is echter afhankelijk van de niet-testbare aanname van onverwardheid, die vereist dat alle gemeenschappelijke oorzaken van behandeling en uitkomst worden waargenomen. In gezondheidszorgonderzoek wordt deze aanname vaak geschonden omdat belangrijke variabelen (bijvoorbeeld medicatie-gebruik, gezondheidsgeletterdheid) niet waarneembaar zijn. Onderzoekers vertrouwen vaak op proxyvariabelen (bijvoorbeeld herhaalvoorschriften) om deze gedragingen te benaderen. Deze proxies zijn vaak endogeen—ze correleren met de regressiefoutterm door ongemeten verwarding of meetfouten.

Wanneer covariaten endogeen zijn, faalt de aanname van onverwardheid. Bijgevolg worden standaard DR-schattingen vertekend, zelfs als de functionele vormen van de behandelings- en uitkomstmodellen correct zijn gespecificeerd, omdat de conditionerende variabelen zelf ongemeten verwarding bevatten. Bestaande oplossingen hebben beperkingen: Instrumentvariabelen (IV) vereisen uitsluitingsrestricties die vaak niet-testbaar zijn en moeilijk te voldoen in de gezondheidszorg; gevoeligheidsanalyse begrenst de impact van schendingen maar corrigeert de schattingen niet; en standaard copula-gebaseerde methoden adresseren endogeniteit maar missen het dubbel robuuste eigenschap tegen modelmisspecificatie.

Methodologie: De CEDR-schatting
De auteurs stellen de Copula-correcte Endogeniteits-geadjesteerde Dubbel Robuuste (CEDR) schatting voor. Deze methode integreert Gaussische copula-correcties voor endogene covariaten in het DR-kader, met als doel consistente schattingen van het behandelings-effect te leveren zonder instrumentvariabelen te vereisen.

De methodologie verloopt als volgt:

1. Kader: De benadering hanteert het kader van potentiële uitkomsten. Het partitioneert waargenomen covariaten ($X_i$) in exogene componenten ($X_i^{exo}$) en endogene componenten ($X_i^{endo}$).
2. Copula-correctie: Voor elke endogene covariabele construeert de methode een controlefunctie gebaseerd op de Gaussische copula. Dit berust op drie belangrijke aannames:
   • De endogene covariabele is niet-normaal verdeeld.
   • De afhankelijkheid tussen de endogene covariabele en de structurele foutterm volgt een Gaussische copula-structuur.
   • De structurele foutterm is normaal verdeeld.
     De copula-term wordt gedefinieerd als $C(X_i^{endo}) = \Phi^{-1}(\hat{F}_X(X_i^{endo}))$, waarbij $\hat{F}_X$ een aangepaste empirische cumulatieve verdelingsfunctie (ECDF) is om randproblemen te vermijden, en $\Phi^{-1}$ de inverse standaardnormale CDF is.
3. Tweestaps-schatting:
   • Stap 1 (Modelschatting): Het propensity score-model (met een probit-link om overeen te stemmen met normale foutaannames) en de uitkomstregressiemodellen worden geschat met behulp van aangevulde covariaten $\tilde{X}_i = (X_i, C_i)$, waarbij $C_i$ de vector van copula-correctietermen voorstelt. Deze stap absorbeert de correlatie tussen endogene covariaten en de foutterm.
   • Stap 2 (DR-schatting): Voor de uiteindelijke berekening van het Gemiddelde Behandelings-effect (ATE) worden de copula-termen uitgesloten van de predictiestap. De gecorrigeerde coëfficiënten voor de oorspronkelijke covariaten ($X_i$) worden behouden en ingevuld in de standaard DR-schattingformule. Dit behoudt het dubbel robuuste eigenschap: de schatting blijft consistent indien óf het copula-correcte propensity score-model óf het copula-correcte uitkomstmodel correct is gespecificeerd.
4. Inferentie: Omdat de copula-termen gegenereerde regressors zijn, raden de auteurs het gebruik van bootstrap-methoden aan om geldige standaardfouten en betrouwbaarheidsintervallen te verkrijgen.

Belangrijkste Bijdragen

• Integratie van Methoden: Het artikel overbrugt de kloof tussen copula-gebaseerde endogeniteitscorrectie en dubbel robuuste schatting, en adresseert zowel endogeniteit als modelonzekerheid gelijktijdig.
• Identificatie zonder Instrumenten: In tegenstelling tot IV-methoden vereist CEDR geen geldige instrumenten. In plaats daarvan maakt het gebruik van de niet-normaliteit van endogene covariaten voor identificatie, een voorwaarde die empirisch kan worden beoordeeld via diagnostische tests.
• Behoud van Robuustheid: De auteurs tonen aan dat de CEDR-schatting het dubbel robuuste eigenschap behoudt, waardoor consistentie wordt gewaarborgd zelfs als één van de twee modellen (behandeling of uitkomst) verkeerd is gespecificeerd, mits het andere correct is en de copula-aannames gelden.

Resultaten
Het artikel evalueert CEDR via Monte Carlo-simulaties en een empirische toepassing met data uit de National Health and Nutrition Examination Survey (NHANES).

• Monte Carlo-simulaties:

  • In scenario's zonder endogeniteit ($\rho=0$) presteert CEDR vergelijkbaar met de naïeve DR-schatting, met verwaarloosbare vertekening.
  • Bij matige ($\rho=0.3$) en sterke ($\rho=0.5$) endogeniteit vertoont de naïeve DR-schatting aanzienlijke vertekening (variërend van -7% tot -28%, afhankelijk van het scenario en de misspecificatie).
  • De CEDR-schatting reduceert deze vertekening aanzienlijk (in veel gevallen met meer dan 80%) en herstelt schattingen die dicht bij het ware behandelings-effect liggen, zelfs wanneer één model verkeerd is gespecificeerd.
  • Er is een afweging: CEDR vertoont een iets hogere variantie (standaardafwijking) dan de naïeve schatter, vooral onder sterke endogeniteit, maar dit wordt opgewogen door de aanzienlijke reductie in vertekening.

• Empirische Toepassing (NHANES):

  • De studie schat het effect van voedingsadvisering op bloeddruk, waarbij de inkomens-armoederatio en BMI worden behandeld als endogene proxies.
  • De naïeve DR-schatting suggereerde een statistisch significant positief verband, wat aangeeft dat advisering de bloeddruk met ongeveer 2,85 mmHg verhoogt.
  • De CEDR-schatting verlaagde het puntsschatting naar 1,75 mmHg, waardoor het effect statistisch niet-significant werd (95% BI: [-6,99, 7,34]).
  • Deze correctie brengt de bevindingen in overeenstemming met bestaande literatuur die bescheiden of nihilistische effecten van voedingsadvisering op bloeddruk suggereert, terwijl de naïeve schatting een tegen-intuïtief resultaat opleverde dat waarschijnlijk gedreven werd door endogeniteitsvertekening.

Betekenis en Claims
De auteurs claimen dat CEDR een praktisch hulpmiddel biedt voor onderzoekers in observationele gezondheidszorgstudies waarbij proxyvariabelen endogeen zijn en geldige instrumenten niet beschikbaar zijn. De methode adresseert een kritieke kloof waar standaard DR-methoden falen door ongemeten verwarding in proxyvariabelen, en waar traditionele copulamethoden falen om bescherming te bieden tegen modelmisspecificatie.

Het artikel merkt bescheiden op dat de methode momenteel beperkt is tot binaire behandelingen, cross-sectionele data, en vereist dat endogene covariaten voldoende niet-normaal zijn voor identificatie. Het is ook afhankelijk van de correcte specificatie van de Gaussische copula-afhankelijkheidsstructuur. De auteurs waarschuwen dat, hoewel de NHANES-toepassing de bruikbaarheid van de methode demonstreert, definitieve klinische conclusies verdere validatie vereisen over meerdere datasets en vergelijking met experimenteel bewijs. De primaire betekenis ligt in het bieden van een haalbare weg naar betrouwbaardere causale conclusies in settings waar standaard observationele schattingen aanzienlijk vertekend kunnen zijn.