[論文レビュー] Blocking estimators and inference under the Neyman-Rubin model

Michael Higgins, Fredrik Sävje+1 more|arXiv (Cornell University)|Oct 5, 2015

Advanced Causal Inference Techniques参考文献 9被引用数 5

ひとこと要約

本稿は、任意の処置数およびブロックサイズを想定したブロック設計において、Neyman-Rubinの潜在的結果モデル下での標本平均処置効果（SATE）推定量の閉形式の分散公式を導出する。ブロックサイズが処置数の2倍以上である場合、差分推定量およびHorvitz-Thompson推定量の不偏かつ保守的な分散推定量を確立し、パrametric仮定なしに正確な推論を可能にする。

ABSTRACT

We derive the variances of estimators for sample average treatment effects under the Neyman-Rubin potential outcomes model for arbitrary blocking assignments and an arbitrary number of treatments.

研究の動機と目的

• 複数の処置を伴うブロック設計下でのSATE推定量の一般的な分散公式の欠如に対処する。
• ブロッキング構造および処置割り当てメカニズムを反映した閉形式の分散表現を提供する。
• バランスの取れた完全およびブロックランダマイゼーション下で、保守的かつ不偏な分散推定を保証する。
• マッチドペア設計を超えて、任意の処置数を伴う一般ブロック設計への推論手法を拡張する。
• 追加のパrametric仮定なしに、Neyman-Rubin因果モデル下での正確な分散推定を可能にする。

提案手法

• バランスの取れた完全およびブロックランダマイゼーション下でのブロック設計における差分推定量の分散を導出する。
• 同様の設計条件下でのHorvitz-Thompson推定量の分散を導出する。
• ブロックサイズが処置数の2倍以上である場合に、不偏となる保守的分散推定量を確立する。
• 安定単位処置値仮定（SUTVA）および潜在的結果フレームワークを用いて反応をモデル化する。
• 確率論および条件付き期待値を用いて、完全ランダマイゼーション下での分散推定量の不偏性を証明する。
• 分散推定量の性質を証明するために、処置指標の積の期待値を含む重要な恒等式を導出する。

実験結果

リサーチクエスチョン

• RQ1 一般ブロック設計および複数処置下でのSATE推定量の正確な標本分散は何か？
• RQ2 ブロックランダマイゼーション下で、保守的かつ不偏な分散推定量をどのように構築できるか？
• RQ3 潜在的結果に対する追加のパrametric仮定なしに、閉形式の分散公式を導出可能か？
• RQ4 ブロックサイズにどのような条件を課すと、多処置ブロック設計における分散推定量の不偏性が保証されるか？
• RQ5 単純なランダマイゼーションと比較して、ブロッキングはSATE推定の精度をどのように向上させるか？

主な発見

• 本稿は、任意のブロッキングおよび多処置設計下での差分推定量およびHorvitz-Thompson推定量の標本分散について、閉形式の表現を導出する。
• ブロックサイズが処置数の2倍以上である場合、Horvitz-Thompson分散推定量はバランスの取れた完全ランダマイゼーション下で不偏であることが証明された。
• ブロックサイズが小さくても、処置数の2倍以上であれば有効である保守的分散推定量が提供される。
• 導出過程から、分散推定においてブロッキングを無視すると標準誤差が過大評価され、統計的パワーが低下することが明らかになった。
• 処置指標の積の期待値を含む重要な恒等式が、分散推定量の不偏性の証明に不可欠であることが示された。
• 結果は、既存のマッチドペア設計に関する研究を、任意のブロックサイズおよび処置数に一般化し、Neyman-Rubinモデル下での推論の統一的枠組みを提供する。