[論文レビュー] Estimation of Monotone Treatment Effects in Network Experiments

David Choi|arXiv (Cornell University)|Aug 18, 2014

Advanced Causal Inference Techniques参考文献 20被引用数 4

ひとこと要約

本稿は、干渉が存在するネットワーク実験において、治療効果が非負であるという単調性仮定を用いて、帰属する治療効果を推定する新規手法を提案する。帰属する治療効果の推定に部分的干渉や既知の影響メカニズムを必要とせず、ネットワーク構造を活用して検定統計量を定義することで、モデルフリーな推論が可能となる。この手法により、反事後的平均結果の信頼区間を構築でき、仮説検定の厳密性を保ちつつ、強い仮定を必要としない堅牢な推論が実現される。

ABSTRACT

Randomized experiments on social networks are a trending research topic. Such experiments pose statistical challenges due to the possibility of interference between units. We propose a new method for estimating attributable treatment effects under interference. The method does not require partial interference, but instead uses an identifying assumption that is similar to requiring nonnegative treatment effects. Pre-treatment network observations can be used to customize the test statistic, so as to increase power without making assumptions on the data generating process. The inversion of the test statistic is a combinatorial optimization problem which has a tractable relaxation, yielding conservative estimates of the attributable effect.

研究の動機と目的

• 1人の単位の治療が他の単位に影響を与える干渉が存在するラウンドドム化ネットワーク実験において、標準的な因果推論手法が機能しないため、その課題に対処すること。
• 部分的干渉や社会的影響のパrametricモデルに依存しない、帰属する治療効果の推定手法を開発すること。
• 治療を一切施さない状況下での反事後的平均結果に対する片側信頼区間を提供することで、総帰属効果に関する推論を可能にすること。
• ネットワークや空間的情報を検定統計量に組み込むことで、最小限の仮定のもとで妥当性を保ちつつ、統計的パワーを向上させること。
• ネットワークデータを干渉メカニズムのモデル化に使用せず、検定統計量の設計を導くのみに用いることで、堅牢性を確保すること。

提案手法

• 単調性仮定を提案：すべての単位 i に対して θi ≤ Yi が成り立つ。これは、治療がいかなる単位の結果に対しても負の効果を持たないことを意味する。
• 帰属効果 A を、観測された結果と反事後的結果の差の和として定義する：A = Σ(Yi − θi)。
• 単調性仮定から導かれる制約のもとで最適化を実行し、Σθi に対する片側信頼上限（A に対する下限に相当）を構築する。
• ネットワークデータ G を用いて、検定統計量（例：流出効果）を定義し、干渉の特定モデルを仮定せずにパワーを向上させる。
• 支持超平面に基づく多面体外部近似 PΛ を用いて、最適化問題の実行可能領域を緩和する。
• 変換により最小カット問題に帰着可能な計算可能性を確保するため、グリッドサーチを用いて低次元最適化問題を解く。f∗(λ) は変換後の最小カット問題により計算される。

実験結果

リサーチクエスチョン

• RQ1 部分的干渉や社会的影響の既知のモデルを仮定せず、ネットワーク実験における総帰属治療効果を推定することは可能か？
• RQ2 干渉のモデル誤りを引き起こさずに、ネットワーク構造を活用して因果推論のパワーを向上させることは可能か？
• RQ3 干渉が存在し、かつ未知の状況下で、反事後的平均結果に対する有効な信頼区間を構築する堅牢な手法は何か？
• RQ4 非負の治療効果を仮定する単調性仮定を用いて、強いパラメトリック仮定を必要とせずに保守的な推論を導くことは可能か？
• RQ5 信頼区間の最適化問題を、統計的妥当性を保ちつつ計算的に実行可能にするにはどうすればよいか？

主な発見

• 提案手法は、単調性仮定のもとで、干渉が任意かつ未知であっても、帰属効果 A に対する有効な片側信頼区間を提供する。
• 干渉の背後メカニズムに関する仮定を必要とせず、ネットワーク構造を活用してより感度の高い検定統計量を定義することで、パワーを向上させる。
• 信頼区間の最適化問題は、画像ノイズ除去分野で知られる手法を用いて最小カット問題に変換され、多項式時間で計算可能となる。
• 実行可能領域の多面体緩和 PΛ の使用により、解が保守的となり、第1種の誤り確率の制御が保たれる。
• シミュレーションおよび実データ例から、ネットワーク構造が情報を持つ場合、本手法はナイーブな手法に比べてよりきつい境界をもたらすことが示された。
• モデル誤りに強く、ネットワーク G が不適切な代理変数であっても、パワーは低下するが妥当性は保たれる。