Causal Inference for a Hidden Treatment
In many empirical settings, directly observing a treatment variable may be infeasible, but an error-prone surrogate measurement is often available. Causal inference using only the surrogate is challenging without validation data. We propose a method that avoids the need for validation data by integrating the surrogate with a proxy for the hidden treatment, achieving nonparametric identification of key causal effects, including the average treatment effect and quantile treatment effects. For inference, we provide semiparametric theory and efficient estimators with multiple robustness. A major challenge is estimating nuisance functions involving the hidden treatment, which prevents direct use of standard machine learning. We resolve this with a novel semiparametric EM algorithm. We evaluate our method with simulations and an application estimating the causal effect of Alzheimer’s disease on hippocampal volume using data from the Alzheimer’s Disease Neuroimaging Initiative.
Inférence causale pour un traitement caché
Dans de nombreux contextes empiriques, l'observation directe d'une variable de traitement peut s'avérer impossible, mais une mesure de substitution sujette à l'erreur est souvent disponible. L'inférence causale utilisant uniquement le substitut est difficile sans données de validation. Nous proposons une méthode qui évite le besoin de données de validation en intégrant le substitut avec une approximation du traitement caché, permettant l'identification non paramétrique des effets causaux clés, y compris l'effet de traitement moyen et les quantiles des effets de traitement. Pour l'inférence, nous fournissons une théorie semiparamétrique et des estimateurs efficaces avec une robustesse multiple. Un défi majeur est l'estimation des fonctions de nuisance liées au traitement caché, ce qui empêche l'utilisation directe de l'apprentissage automatique standard. Nous résolvons ce problème à l'aide d'un nouvel algorithme EM semi-paramétrique. Nous évaluons notre méthode à l'aide de simulations et d'une application estimant l'effet causal de la maladie d'Alzheimer sur le volume de l'hippocampe, en utilisant des données de l'Initiative de neuro-imagerie de la maladie d'Alzheimer.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais