如何以及为何使用实验数据评估观测性因果推断方法
统计方法学
2021-07-08 v2 机器学习
摘要
从观测数据推断因果依赖的方法在包括医学、经济学和社会科学在内的许多科学领域中都至关重要。这些方法已有多种理论性质被证明，但经验评估仍具挑战性，主要由于缺乏已知处理效应的观测数据集。我们描述并分析了来自随机对照试验的观测抽样(OSRCT)，一种利用随机对照试验(RCTs)数据评估因果推断方法的方法。该方法可用于创建具有相应无偏处理效应估计的构造观测数据集，大幅增加了可用于因果推断方法经验评估的数据集数量。我们证明，在期望意义上，OSRCT创建的数据集等价于从所有潜在结果均可获得的经验数据集中随机抽样所产生者。随后，我们对七种因果推断方法在37个数据集上进行了大规模评估，这些数据集取自RCTs、模拟器、真实世界计算系统以及增强了合成响应变量的观测数据集。我们发现跨不同来源数据比较时存在显著的性能差异，证明了在评估任何因果推断方法时使用多种来源数据的重要性。
引用
@article{arxiv.2010.03051,
title = {How and Why to Use Experimental Data to Evaluate Methods for Observational Causal Inference},
author = {Amanda Gentzel and Purva Pruthi and David Jensen},
journal= {arXiv preprint arXiv:2010.03051},
year = {2021}
}