[論文レビュー] Fair and Robust Estimation of Heterogeneous Treatment Effects for Policy Learning

Kwang‐Ho Kim, José R. Zubizarreta|arXiv (Cornell University)|Jun 6, 2023

Health Systems, Economic Evaluations, Quality of Life被引用数 5

ひとこと要約

本稿は、一般の公平性制約の下で、非パラメトリックな処置効果の推定のための凸最適化フレームワークを提案し、二重ロバスト性を達成するとともに、頑健なポリシー学習を可能にしている。公平性と福祉のトレードオフを同定し、公平性制約がポリシー効果にほとんど影響を与えない範囲でグループ間の格差を低減することを示している。

ABSTRACT

We propose a simple and general framework for nonparametric estimation of heterogeneous treatment effects under fairness constraints. Under standard regularity conditions, we show that the resulting estimators possess the double robustness property. We use this framework to characterize the trade-off between fairness and the maximum welfare achievable by the optimal policy. We evaluate the methods in a simulation study and illustrate them in a real-world case study.

研究の動機と目的

• 非パラメトリックな処置効果推定におけるアルゴリズム的公平性と因果推論の統合の欠如に対処する。
• 公平性制約下での条件付き平均処置効果（CATE）推定のための一般的で柔軟かつ実装可能なフレームワークを構築する。
• 最適ポリシーが達成可能な最大福祉と公平性のトレードオフを同定する。
• 柔軟な機械学習ツールを用いても、モデルの誤指定に対して頑健である二重ロバスト性を保証する。
• 犯罪司法や医療などの実世界の応用分野における公平で効率的なポリシー学習の実用的導入を可能にする。

提案手法

• 公平性制約をペナルティ項として組み込んだ凸最適化問題としてCATE推定を定式化する。
• 結果の回帰モデルと感受性スコアモデルを組み合わせた二重ロバスト推定方程式を用い、頑健性を確保する。
• 公平性と福祉のトレードオフを制御するための公平性ペナルティパラメータδを導入し、δ=0で厳密な公平性を、δ=∞では公平性制約を一切設けない。
• 標準的な正則性条件の下で、反事後的最適化技術を活用して、二重ロバスト性を示す推定量を導出する。
• 既成品のソルバーを活用して推定量を効率的に計算し、スケーラビリティと実装可能性を確保する。
• 推定のための訓練データと評価データを別々に使用し、リグレットと不平等度を推定することで、バイアスのない性能評価を実現する。

Figure 1: When the optimal policy is applied, only less than $7$ % of individuals with $S=0$ are treated while more than $95$ % of individuals in the untreated group are $S=0$ .

実験結果

リサーチクエスチョン

• RQ1 モデルの誤指定に対して頑健であり、かつ公平性を満たすような非定型処置効果の推定方法は何か？
• RQ2 最適ポリシーが達成可能な最大福祉と公平性のトレードオフは何か？
• RQ3 多様な公平性基準をCATE推定に統合できる一般フレームワークを構築できるか、かつ統計的効率性を損なわないか？
• RQ4 提案手法は、既存の手法と比較して二重ロバスト性および収束速度においてどのように性能を示すか？
• RQ5 公平性制約は、犯罪司法や医療などの実世界のポリシー応用において、どの程度の格差低減を実現できるか、かつポリシー効果を著しく低下させないか？

主な発見

• 提案手法の推定量は二重ロバスト性を達成しており、結果の回帰モデルまたは感受性スコアモデルのいずれかが誤指定であっても一貫した推定が保証される。
• COMPASの事例研究においてδ=0のとき、独立性と正のバランスの両方の格差が70%以上低減され、非制約ベースラインと比較して再犯リスクがたった7%増加にとどまる。
• 提案手法のリグレットは、サンプルサイズが増加するにつれて、競合手法よりも速やかに減少し、理論的な二重ロバスト性の性質を裏付けている。
• シミュレーションでは、δ>0のさまざまなδの水準において、不平等度が低く抑えられるとともに、ベースラインの二重ロバスト推定量と同等またはそれ以上の性能を達成している。
• フレームワークは、実世界の事例研究で示されるように、独立性や正のバランスなど複数の公平性基準を同時に柔軟に組み込むことが可能である。
• 研究では、公平性のコストを定量化し、δ=0（高水準の公平性）を達成すると再犯リスクがわずかに7%増加するが、これは公平性と福祉の間の管理可能なトレードオフを示している。

Figure 2: Densities of $\widehat{\tau}(W)$ for $\delta=\infty$ and $\delta=0$ . In each figure, two dashed vertical lines correspond to $\mathbb{P}_{n}\left\{\widehat{\tau}\mid S=0\right\}$ and $\mathbb{P}_{n}\left\{\widehat{\tau}\mid S=1\right\}$ .