Testing the identification of causal effects in observational data

技术摘要：治疗效应识别的可检验条件

问题陈述
在观察性研究中，因果推断通常依赖于传统上被视为不可检验的识别假设。其中最突出的是“基于可观测变量的选择”（或无混淆性/可忽略性）假设，该假设认为，在控制可观测协变量的条件下，治疗分配等同于随机分配。特定的一组协变量是否足以满足该假设，通常由理论或直觉而非经验证据来证明。本文通过展示在观察性数据中识别因果效应存在可检验条件，填补了这一空白，前提是数据中包含一组待控制的协变量和一个“疑似工具变量”。

方法论与理论框架
作者提出了一个框架，用于联合检验针对治疗的“疑似工具变量”的有效性和“基于可观测变量的选择”假设。该方法依赖于特定的因果结构（假设 1），其特征如下：

1. 无反向因果关系：结果不会导致治疗、协变量或疑似工具变量；治疗不会导致协变量或工具变量。
2. 因果忠实性：统计独立性意味着 d-分离（无因果路径），反之亦然。
3. 共同支撑：在给定协变量的条件下，所有治疗值和工具变量值的组合均存在。
4. 条件依赖性：疑似工具变量在给定协变量的条件下与治疗存在统计关联（第一阶段效应）。

在这些条件下，本文确立了一个关键理论结果（定理 1）：疑似工具变量（$Z$）与结果（$Y$）在给定治疗（$D$）和协变量（$X$）下的条件独立性，是联合满足以下条件的充要条件：

• 工具变量有效性（A）：$Z$ 不直接影响 $Y$，且在给定 $X$ 的条件下无混淆。
• 基于可观测变量的选择（B）：$D$ 在给定 $X$ 的条件下无混淆。

因此，如果可检验条件 $Y \perp\!\!\perp Z | D, X$ 成立，则两个假设均得到满足，治疗效应得以识别。本文还将此扩展至条件均值独立性（定理 2），用于评估平均治疗效应（ATE）。

检验方法
为了在高维设置中检验条件独立性条件，作者提出了基于双重机器学习（DML）（Chernozhukov 等人，2018）的方法，该方法允许在保持良好渐近性质的同时，对协变量进行数据驱动的控制。

1. 双重稳健（DR）估计：作者基于条件均值差（$\Delta$）的平均值构建检验。他们利用双重稳健得分函数，结合条件均值结果的估计和工具变量倾向得分的估计。通过采用交叉拟合（cross-fitting），即使在使用灵活的机器学习算法估计干扰参数时，也能实现根-$n$ 一致性和渐近正态性。
2. 异质性检测：为了解决平均化可能掩盖违规的问题，作者提出了一种算法，用于检测不同协变量值下违规的异质性。这涉及分割样本，使用机器学习（例如决策树）识别违规可能发生的子群，并在这些子群内检验条件独立性。
3. 全局平方差检验：第二种方法检验条件均值平方差为零的全局零假设（$E[(\mu(1, D, X) - \mu(0, D, X))^2] = 0$）。该方法使用 $L_2$ 型聚合度量，并引入辅助随机变量，以确保检验统计量在零假设下具有非退化分布。

模拟结果
本文通过包含 50 个协变量、样本量为 1,000 和 4,000 的模拟，评估了这些检验的有限样本性能。

• 实证规模：在零假设下（假设成立），检验通常将实证拒绝率维持在接近名义 10% 的水平。
• 功效：检验在检测违规方面表现出适度的功效。基于 DR 的检验在违规均匀时有效，而平方差检验即使在违规随协变量异质分布时也显示出高功效。
• 多重检验：当对子群进行异质性检验时，作者发现，虽然功效随样本量增加而提高，但需要进行多重检验校正（Bonferroni 或乘数自助法）以控制错误发现率，尽管这可能会降低较小子样本的功效。

实证应用
该方法被应用于美国人口普查数据（Angrist 和 Evans，1998），以评估生育率对女性劳动力供给的影响，使用前两个孩子的性别比作为疑似工具变量。

• 发现：检验拒绝了条件独立性的零假设。具体而言，平方差检验得出的 p 值接近零，而 DR 检验在 5% 的水平上显著。
• 解释：结果表明存在对可检验推论的违规。鉴于中等数量的社会经济协变量（母亲年龄、父亲收入等），这意味着要么“基于可观测变量的选择”假设失效，要么兄弟姐妹性别比不是有效的工具变量，或者两者兼有。异质性分析表明，在父亲收入较高的家庭中，违规尤为明显。

意义与主张
本文声称解决了一个长期存在的因果推断问题：无法检验观察性数据中识别所需的核心假设。

• 联合检验：与以往文献通常假设存在有效工具变量来检验“基于可观测变量的选择”（或反之）不同，该方法联合检验这两个条件。它不要求研究者先验地相信工具变量是有效的；相反，工具变量作为辅助变量，用于检验“基于可观测变量的选择”假设的有效性。
• 灵活性：通过利用双重机器学习，该方法能够适应高维协变量和非线性关系，而无需依赖可能设定错误的参数假设。
• 注意事项：作者对其主张的范围持谨慎态度。他们指出，可检验条件依赖于特定的因果假设（忠实性、无反向因果关系）。此外，虽然检验可以检测违规，但在没有进一步假设的情况下，它无法 pinpoint 失败的确切来源（工具变量无效 vs. 治疗未观测到的混淆）。该方法被定位为一种诊断工具，用于评估识别策略的可信度，而非在存在违规时生成新的因果估计的方法。