On the use of auxiliary variables in multiple imputation when estimating the average causal effect with missing data
Dit artikel onderzoekt de rol van hulpvariabelen bij meervoudige imputatie voor het schatten van gemiddelde causale effecten met ontbrekende gegevens, waarbij door middel van simulaties en theoretische analyse wordt aangetoond dat het onderscheid tussen mediator- en niet-mediatorvariabelen en het gebruik van compatibele, flexibele imputatiemodellen essentieel zijn voor het waarborgen van de herstelbaarheid en onbevooroordeeldheid van causale schattingen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een detective bent die een mysterie probeert op te lossen: Veroorzaakt het roken van cannabis tijdens de adolescentie mentale gezondheidsproblemen later in het leven?
Om dit op te lossen, moet je naar een groep mensen kijken, degenen die rookten vergelijken met degenen die dat niet deden, en het verschil zien in hun mentale gezondheidsscores. Dit is wat wetenschappers het schatten van het "Gemiddelde Causale Effect" noemen.
Maar hier is het probleem: De data zijn rommelig. Sommige mensen zijn vergeten delen van hun enquête in te vullen. Sommigen zijn uit de studie gestapt. Sommige antwoorden ontbreken gewoon. Dit is het "ontbrekende data"-probleem.
Wanneer data ontbreken, kun je de gaten niet zoma benoemen als iets dat je negeert. Als je de onvolledige enquêtes weggooit (een methode genaamd "Complete Case Analysis"), kun je eindigen met een vertekend beeld, alsof je de toetsresultaten van de hele klas probeert te beoordelen door alleen te kijken naar de leerlingen die die dag op school zijn verschenen.
De Oplossing: "Multiple Imputation" (Het invulspelletje)
Wetenschappers gebruiken een techniek genaamd Multiple Imputation (MI). Denk aan dit als een slim spelletje met raadjes. In plaats van de ontbrekende enquêtes weg te gooien, maakt de computer verschillende "nepversies" van de ontbrekende data op basis van patronen die hij ziet in de echte data. Vervolgens lost hij het mysterie op al deze nepversies op en middelt de resultaten.
Maar om correct te raden, heeft de computer aanwijzingen nodig. Hier komen Auxiliary Variables (hulpvariabelen) om de hoek kijken.
De Aanwijzingen: Auxiliary Variables
Stel je voor dat je probeert de ontbrekende wiskundetoets van een leerling te raden.
- De Obvlieke Aanwijzing: Je kijkt naar hun andere wiskundecijfers.
- De "Auxiliary" Aanwijzing: Je kijkt ook naar hoeveel uur ze hebben gestudeerd, of of ze die dag hoofdpijn hadden. Dit zijn niet de wiskundecijfers zelf, maar ze zijn wel gerelateerd aan het cijfer. In het artikel worden deze Auxiliary Variables genoemd.
Het onderzoek onderzoekt een zeer specifieke, lastige vraag: Wat gebeurt er als een van deze "aanwijzingen" eigenlijk deel uitmaakt van de oorzaak-gevolgketen?
De auteurs splitsen deze aanwijzingen in twee typen:
- De "Zij-aanwijzing" (Niet-mediator): Een variabele die helpt de ontbrekende data te verklaren, maar niet wordt veroorzaakt door het ding dat je onderzoekt. (bijv. een hoofdpijn bij een leerling die ervoor zorgt dat ze de toets missen, maar het cannabisgebruik heeft die hoofdpijn niet veroorzaakt).
- De "Tussenpersoon" (Mediator): Een variabele die wordt veroorzaakt door het ding dat je onderzoekt en daarna een gevolg veroorzaakt. (bijv. Cannabisgebruik Slaapproblemen Mentale gezondheidsproblemen). Hier is "Slaapproblemen" de ontbrekende data-aanwijzing, maar het zit precies in het midden van de causale keten.
Het Experiment: Het testen van het raadspelletje
De onderzoekers voerden een enorme simulatie uit (een computerexperiment) om te zien welke raadstrategieën het beste werkten onder verschillende "Missingness Maps" (diagrammen die laten zien waarom data ontbreken).
Ze testten drie hoofdstrategieën:
- De "Weggooi"-strategie (CCA): Negeer de ontbrekende data gewoon.
- De "Voeg de aanwijzing toe aan de definitieve vergelijking"-strategie (A-CCA): Gebruik de aanwijzingen om de ontbrekende data te herstellen door ze direct aan de definitieve wiskundige formule toe te voegen.
- De "Slimme Imputatie"-strategie (MI met Auxiliary Variables): Voer de aanwijzingen in de "invul-machine" van de computer voordat je de definitieve wiskunde doet.
De Grote Bevindingen
Dit is wat zij ontdekten, vertaald naar begrijpelijk Nederlands:
1. De "Tussenpersoon"-valstrik
Als je aanwijzing een "Tussenpersoon" (een mediator) is, kun je deze niet simpelweg aan je definitieve wiskundige formule toevoegen (Strategie 2).
- Analogie: Als je wilt weten hoeveel roken oorzaak is van longkanker, en je voegt "teer in de longen" toe aan je formule, dan blokkeer je per ongeluk het pad van het roken. Je meet dan het effect van de teer, niet van het roken.
- Resultaat: Deze methode (A-CCA) produceerde enorme fouten wanneer de aanwijzing een mediator was. Het liet de detective denken dat het roken helemaal geen effect had, of een verkeerd effect had.
2. "Slimme Imputatie" wint (Maar wees voorzichtig hoe je het doet)
De beste manier om deze aanwijzingen te gebruiken, is door ze in de "invul-machine" te voeren (Multiple Imputation).
- De Flexibele Benadering (CART): De onderzoekers ontdekten dat het gebruik van een niet-parametrische methode (zoals een beslisboom, of "CART") zeer robuust was. Het is als een detective die niet vertrouwt op rigide regels, maar naar het hele plaatje kijkt. Deze methode werkte goed, zelfs wanneer de aanwijzingen lastige "Tussenpersonen" waren.
- De Compatibele Benadering (A-SMCFCS): Een andere methode werkte goed, mits de regels van de computer voor het "invullen van de gaten" perfect compatibel waren met de regels van de definitieve wiskunde.
3. Het Gevaar van "Incompatibel" Raden
Als je een standaard methode voor het raden gebruikt (zoals lineaire regressie) en je zorgt er niet voor dat de regels voor het raden overeenkomen met de regels voor de definitieve wiskunde, krijg je vertekende resultaten. Het is alsof je een liniaal gebruikt om gewicht te meten. Het artikel laat zien dat het simpelweg in een standaard raden-engine gooien van een "Tussenpersoon"-aanwijzing zonder speciale zorg, de hele onderzoeksopzet kan breken.
De Takeaway voor de Detective
Als je probeert de oorzaak en het gevolg te achterhalen met rommelige data:
- Gooi ontbrekende data niet zomaar weg.
- Gooi niet zomaar elke aanwijzing die je hebt in je definitieve wiskundige vergelijking. Als een aanwijzing een "Tussenpersoon" is (veroorzaakt door de blootstelling), zal het in de definitieve vergelijking je resultaten verpesten.
- Gebruik een "Slimme Imputatie"-tool. Voer je aanwijzingen (zowel zij-aanwijzingen als tussenpersonen) in de raden-engine van de computer voordat je de definitieve wiskunde doet.
- Gebruik flexibele tools. Het artikel suggereert dat flexibele, niet-parametrische tools (zoals CART) of speciaal ontworpen "compatibele" tools (A-SMCFCS) de veiligste keuzes zijn om te voorkomen dat je het verkeerde antwoord krijgt.
Kortom: Om het mysterie van de ontbrekende data op te lossen, heb je de juiste aanwijzingen nodig, maar je moet ze op de juiste manier aan de computer voeren, anders los je de verkeerde zaak op.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.