[論文レビュー] Balancing covariates in randomized experiments using the Gram-Schmidt walk.

Christopher Harshaw, Fredrik Sävje+2 more|arXiv (Cornell University)|Nov 8, 2019

Advanced Causal Inference Techniques参考文献 22被引用数 11

ひとこと要約

本稿では、調整可能なパラメータを用いて頑健性を制御しつつ、共変量のバランスをとるための新しい実験設計を提案する。この手法は、完全なランダム割り当てと比較して、共変量のバランスを著しく向上させることで、平均処置効果推定器の最悪ケース平均二乗誤差を最小化し、設計による回帰補正を実現する。

ABSTRACT

The design of experiments involves a compromise between covariate balance and robustness. This paper introduces an experimental design that admits precise control over this trade-off. The design is specified by a parameter that bounds the worst-case mean square error of an estimator of the average treatment effect. Subject to the experimenter's desired level of robustness, the design aims to simultaneously balance all linear functions of the targeted covariates. The achieved level of balance is considerably better than what a fully random assignment would produce, and it is close to optimal given the desired level of robustness. We show that the mean square error of the estimator is bounded by the minimum of the loss function of a ridge regression of the potential outcomes on the covariates. One may thus interpret the approach as regression adjustment by design. Finally, we provide non-asymptotic tail bounds for the estimator, which facilitate the construction of conservative confidence intervals.

研究の動機と目的

• 実験設計における共変量のバランスと頑健性のトレードオフを扱う。
• 指定された頑健性制約下で、すべての共変量の線形関数に対して強いバランスを保証する設計を開発する。
• 完全なランダム割り当てを改善し、頑健性を損なわずに著しく優れた共変量のバランスを達成する。
• 推定器の非漸近的尾確率境界を提供し、保守的な推論を可能にする。
• リッジ回帰損失の最小化を通じて推定誤差を明示的に制御することにより、設計による回帰補正を可能にする。

提案手法

• グラム・シュミット・ウォークを用いて、共変量をバランスさせつつ頑健性パラメータを尊重する割り当てベクトルを生成する。
• 平均処置効果推定器の最悪ケース平均二乗誤差を制限する制約付き最適化問題として設計を定式化する。
• 推定器の平均二乗誤差を、潜在的アウトカムを共変量に対してリッジ回帰した際の損失関数と結びつける。
• バランスと頑健性のトレードオフを制御するパラメータを導入し、実験者が定めた精度水準を実現可能にする。
• 推定器の非漸近的尾確率境界を導出し、有効な信頼区間の構築を可能にする。
• 設計が計算的に実行可能であり、指定された頑健性制約下でほぼ最適なバランスを達成することを保証する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、すべての共変量の線形関数のバランスを同時に達成しつつ、頑健性を制御できる実験設計を構築できるか？
• RQ2 与えられた頑健性制約下で、達成可能な共変量のバランスの水準は何か？ また、完全なランダム割り当てと比べてどう異なるか？
• RQ3 潜在的アウトカムを共変量に対してリッジ回帰損失フレームワークを用いて、平均処置効果推定器の平均二乗誤差を有界にできるか？
• RQ4 推定器の非漸近的尾確率境界は、有限標本条件下での保守的な信頼区間の構築をどのように支援するか？
• RQ5 提案された設計は、後処理による補正ではなく、設計そのものによって回帰補正をどの程度可能にするか？

主な発見

• 提案された設計は、完全なランダム割り当てと比較して著しく優れた共変量のバランスを達成しており、指定された頑健性レベルにおける理論的最適値に近づいている。
• 平均処置効果推定器の最悪ケース平均二乗誤差は、潜在的アウトカムを共変量に対してリッジ回帰した際の損失関数の最小値によって有界にされる。
• この手法により、推定誤差がリッジ回帰損失フレームワークを通じて直接制御されるため、設計による回帰補正が可能になる。
• 非漸近的尾確率境界が導出され、有限標本条件下での保守的な信頼区間の構築が可能になる。
• 頑健性とバランスのトレードオフを制御する1つのパラメータを用いて設計が調整可能であり、実験者が実用的かつ柔軟に精度を設定できる。