[論文レビュー] Estimating Average Causal Effects Under Interference Between Units

Peter M. Aronow, Cyrus Samii|arXiv (Cornell University)|Jan 1, 2015

Advanced Causal Inference Techniques参考文献 51被引用数 31

ひとこと要約

この論文は、干渉を伴う実験における平均因果効果を推定するためのランダム化ベースの枠組みを提案する。逆確率重み付けと複雑なクラスタリングを考慮した分散推定器を用い、局所的依存性の下で一貫性と漸近正規性を確立することで、単位が互いに影響を及ぼす社会的ネットワークのような設定でも有効な推論が可能になる。

ABSTRACT

This paper presents a randomization-based framework for estimating causal effects under interference between units. The framework integrates three components: (i) an experimental design that defines the probability distribution of treatment assignments, (ii) a mapping that relates experimental treatment assignments to exposures received by units in the experiment, and (iii) estimands that make use of the experiment to answer questions of substantive interest. Using this framework, we develop the case of estimating average unit-level causal effects from a randomized experiment with interference of arbitrary but known form. The resulting estimators are based on inverse probability weighting. We provide randomization-based variance estimators that account for the complex clustering that can occur when interference is present. We also establish consistency and asymptotic normality under local dependence assumptions. We discuss refinements including covariate-adjusted effect estimators and ratio estimation. We illustrate and assess empirical performance with a naturalistic simulation using network data from American high schools.

研究の動機と目的

• ランダム化実験における干渉の課題に対処すること。干渉とは、ある単位の処置が他の単位の結果に影響を及えることを指す。
• 実験設計、露出マッピング、干渉下での因果推論のための推定量を統合する包括的な枠組みを構築すること。
• 干渉によるクラスタリングを考慮した有効な分散推定器を提供すること。
• 局所的依存性の仮定の下で推定量の一貫性と漸近正規性を保証すること。
• 共変量の補正と比推定技術を用いて推定の効率を向上させること。

提案手法

• 枠組みはランダム化ベースのアプローチを用いて処置割り当て確率を定義し、既知の干渉構造のもとで有効な推論を保証する。
• 処置割り当てを実際の単位が受ける露出にマッピングし、既知の露出マッピングを用いて干渉の影響を考慮する。
• 干渉下での露出確率の不均一性を補正するため、逆確率重み付けを用いて推定量を構築する。
• 干渉によって誘発される複雑なクラスタリングパターンを考慮した、ランダム化ベースの方法で分散推定器を導出する。
• 局所的依存性を仮定する。すなわち、単位の潜在的アウトカムは、限定的な近隣の処置にのみ依存する。
• 精度と効率の向上のため、共変量の補正と比推定を適用する。

実験結果

リサーチクエスチョン

• RQ1 干渉が単位間で存在する場合、平均因果効果はどのように一貫して推定できるか？
• RQ2 干渉が因果推定量の分散構造に与える影響は何か。また、その影響はどのように適切に補正できるか？
• RQ3 既知の構造を有する干渉下でも、逆確率重み付けは一貫性と漸近正規性を有する推定量をもたらすか？
• RQ4 共変量の補正と比推定は、干渉下での因果効果推定の効率をどのように向上させるか？
• RQ5 本研究で提案する枠組みは、高校の社会的ネットワークのような現実的でネットワーク型の設定でも性能を発揮するか？

主な発見

• 局所的依存性の仮定の下で、提案された推定量は一貫性と漸近正規性を有し、大標本における有効な推論を保証する。
• ランダム化ベースの分散推定器は、干渉によるクラスタリングを効果的に補正し、推論の正確性を向上させる。
• 逆確率重み付けは、干渉が存在する状況でも、不均一な露出確率を適切に補正する。
• 共変量補正付き推定量と比推定は、より精度の高い効果推定をもたらし、平均二乗誤差を低減する。
• 米国の高校の社会的ネットワークデータを用いた自然的シミュレーションにおいて、本枠組みは頑健な実証的性能を示した。