[論文レビュー] Exact tests for two-stage randomized designs in the presence of interference

Guillaume Basse, Avi Feller+1 more|arXiv (Cornell University)|Sep 23, 2017

Advanced Causal Inference Techniques参考文献 11被引用数 9

ひとこと要約

本稿では、干渉が存在する二段階のラウンド設計において、1人の単位の処置効果が他の単位に影響を与える状況下で、条件付きランダム化検定のための柔軟なフレームワークを提案する。処置割り当て空間の固定された分割ではなく、構造的サブセットに条件づけることで、帰無仮説がきつい場合でも妥当性を保ちつつ、検出力の向上を実現する。フィラデルフィアの生徒の欠席率に関する研究でその有効性が示された。

ABSTRACT

Many important causal questions address interactions between units, also known as interference, such as interactions between individuals in households, students in schools, and firms in markets. Standard methods, however, often break down in this setting. In particular, randomization tests for statistical hypotheses on treatment effects are challenging because such hypotheses are typically not sharp in the presence of interference. One approach is to conduct randomization tests conditional on a subset of units and assignments, such that the null hypothesis is sharp. While promising, existing approaches require such conditioning to be based on an inflexible partition of the space of treatment assignments, which usually leads to loss of power. In this paper, we propose a general framework for conditional randomization tests that supports more flexible conditioning, allowing us to leverage more structure from the problem and increase power. Our framework subsumes standard results in conditional randomization testing and also formalizes recent randomization tests in the presence of interference. We detail our framework for two-stage randomized designs, and illustrate our approach with an analysis of a randomized evaluation of an intervention targeting student absenteeism in the School District of Philadelphia.

研究の動機と目的

• 干渉が存在する状況における処置効果の検定という課題に取り組むこと。標準のランダム化検定は、非きつい帰無仮説のため、干渉の下では失敗する。
• 従来の条件付きランダム化検定が処置割り当て空間の不柔軟な分割に依存するのに対し、より高い検出力を備えた代替手法を開発すること。
• 最近の干渉設定におけるランダム化検定を、統一的かつ構造に配慮したフレームワークとして形式化・一般化すること。
• 教育や公衆衛生分野の二段階のラウンド実験のように、干渉が一般的な状況にこのフレームワークを適用すること。
• フィラデルフィアの生徒の欠席率干渉介入の実世界評価を通じて、本手法の実用的有用性を示すこと。

提案手法

• 本フレームワークは、特定の単位と処置割り当てのサブセットに条件づける条件付きランダム化検定を用い、帰無仮説がきついものになるように保証する。
• 固定された分割ではなく、干渉ネットワークの構造的特徴に基づく、柔軟な条件づけメカニズムを導入する。
• 二段階のラウンド実験の設計構造を活用して、型I誤り率の制御を保つ情報量の多い条件づけ集合を同定する。
• 設計のランダム化メカニズムと条件づけ集合の選択との間の関係を形式化し、検出力を最大化する。
• 標準のランダム化検定を一般化し、最近の干渉における手法を包含する統一的理論的基盤を提供する。
• モンテカルロサンプリングを用いて、条件付きランダム化の下での帰無分布を近似することでフレームワークを実装する。

実験結果

リサーチクエスチョン

• RQ1 干渉が存在する状況で、妥当かつ検出力の高い条件付きランダム化検定をどのように設計できるか？
• RQ2 干渉ネットワークのどの構造的特徴を活用すれば、ランダム化検定の検出力を向上させられるか？
• RQ3 処置割り当てサブセットに対する柔軟な条件づけと、固定された分割との間で、統計的検出力にどのような差が生じるか？
• RQ4 提案されたフレームワークは、干渉が存在する実世界の二段階のラウンド実験に適用可能か？
• RQ5 条件づけ戦略は、干渉下での因果推論における型I誤り率と検出力にどのような影響を与えるか？

主な発見

• 本手法は、処置割り当てサブセットに対するより情報量が多く柔軟な条件づけを可能にすることで、従来の手法よりも統計的検出力を向上させる。
• 条件づけされた帰無仮説がきついことを保証することで、きつい帰無仮説の下で正確な型I誤り率の制御を維持する。
• 本フレームワークは、最近の干渉におけるランダム化検定を一般化・形式化し、統一的理論的基盤を提供する。
• フィラデルフィアの欠席率研究において、本手法は標準的手法よりも高い感度で処置効果を検出できた。
• 実際の干渉ネットワークに基づく構造的条件づけは、構造のない条件づけや分割に基づく条件づけよりも、より検出力の高い検定をもたらした。
• 本フレームワークは計算的に実行可能で、干渉が存在する大規模な二段階のラウンド実験にもスケーラブルに適用可能である。