[論文レビュー] Estimation based on nearest neighbor matching: from density ratio to average treatment effect

Zhexiao Lin, Peng Ding+1 more|arXiv (Cornell University)|Dec 27, 2021

Statistical Methods and Inference被引用数 4

ひとこと要約

本稿は、近隣探索（NN）マッチングを、標本サイズとともに発散する近傍数 M の下で密度比の一貫推定量として再解釈することで、平均処置効果（ATE）推定における半パラメトリック効率性を実現する。本稿は、Lipschitz連続な密度関数の下で、NNマッチングが最小最大最適なレートを達成することを確立し、二重ロバストかつ効率的なATE推定量を提供する。これは、二重マシンラーニング手法の前身として位置づけられる。

ABSTRACT

Nearest neighbor (NN) matching as a tool to align data sampled from different groups is both conceptually natural and practically well-used. In a landmark paper, Abadie and Imbens (2006) provided the first large-sample analysis of NN matching under, however, a crucial assumption that the number of NNs, $M$, is fixed. This manuscript reveals something new out of their study and shows that, once allowing $M$ to diverge with the sample size, an intrinsic statistic in their analysis actually constitutes a consistent estimator of the density ratio. Furthermore, through selecting a suitable $M$, this statistic can attain the minimax lower bound of estimation over a Lipschitz density function class. Consequently, with a diverging $M$, the NN matching provably yields a doubly robust estimator of the average treatment effect and is semiparametrically efficient if the density functions are sufficiently smooth and the outcome model is appropriately specified. It can thus be viewed as a precursor of double machine learning estimators.

研究の動機と目的

• 近隣マッチングを密度比推定の文脈で再表現すること。
• 固定 M の NN マッチングが ATE 評価において長年にわたり非効率であったという問題を解決すること。
• 発散する M が一貫性とレート最適性を持つ密度比推定を可能にすることを確立すること。
• NN マッチングが二重ロバストかつ半パラメトリックに効率的な ATE 推定量をもたらすことを示すこと。
• NN マッチングを二重マシンラーニング推定量の基盤的メソッドとして位置づけること。

提案手法

• Abadie と Imbens (2006) の内在的統計量 $K_M(x)$ を二標本設定における密度比推定量として再解釈する。
• k-d 木を用いて、NN 計算の計算量を二次未塔のほぼ線形時間に抑える。
• Lipschitz滑らかさの下で、NN を用いた密度比推定量が1段階推定量として計算的に効率的かつレート最適であることを確立する。
• 漸近的分散の上限を導出し、$M \to \infty$ の下で真の密度比への確率的収束を示す。
• 二重ロバスト性の原則を介して、密度比推定量とバイアス補正 ATE 評価を結びつける。
• 適切な $M$ を用いることで、得られる ATE 推定量が半パラメトリック効率限界に達することを示す。

実験結果

リサーチクエスチョン

• RQ1 発散する $M$ を用いた近隣マッチングは、二つの標本間の密度比を一貫して推定できるか？
• RQ2 NN を用いた密度比推定量は、Lipschitz密度関数のクラス上で最小最大最適なレートを達成するか？
• RQ3 $M$ の選択が、NN マッチングにおける ATE 評価の効率性とバイアスにどのように影響するか？
• RQ4 NN マッチングを、二重ロバストかつ半パラメトリックに効率的な ATE 推定量として再解釈できるか？
• RQ5 NN マッチングと二重マシンラーニング推定量の間には理論的リンクがあるか？

主な発見

• Abadie と Imbens (2006) の統計量 $K_M(x)$ は、$M \to \infty$ の下で、密度比を一貫して推定可能である。これは、かつては ATE 評価にのみ使われていたが、本稿では密度比推定にも適用可能であることを示す。
• NN を用いた密度比推定量は、情報理論的に最適であり、Lipschitz密度関数のクラス上で最小最大下限に達する。
• 推定量は計算的に効率的であり、k-d 木を用いることでほぼ線形時間計算量を達成し、個々の密度関数の推定を回避する。
• 発散する $M$ の下で、滑らかな密度関数および正しく指定されたアウトカムモデルのもとで、ATE 推定量は半パラメトリックに効率的になる。
• 本手法は二重ロバスト性を達成する。すなわち、処置確率スコアまたはアウトカムモデルのいずれかが正しく指定されていれば一貫性を保つ。
• 本分析により、Abadie と Imbens (2006) の固定 $M$ の仮定が非効率を引き起こすことが明らかになり、$M \to \infty$ を許容することでその問題が解消される。