[論文レビュー] Inference with a single treated cluster

Andreas Hagemann|arXiv (Cornell University)|Oct 8, 2020

Statistical Methods in Clinical Trials被引用数 7

ひとこと要約

本稿は、クラスターロバストな設定において1つの処置群しか存在しない場合の推論のための新しい再配置検定を導入し、固定クラスターライムで有効な仮説検定を可能にする。重み付きで近似的に正規分布に従うクラスターレベル推定量と、臨界値のための再配置手順を組み合わせることで、クラスタ間に未知の不均一性がある場合でもサイズを制御し、パワーを維持する。シミュレーションやリサンプリングを必要としない。

ABSTRACT

I introduce a generic method for inference about a scalar parameter in research designs with a finite number of heterogeneous clusters where only a single cluster received treatment. This situation is commonplace in difference-in-differences estimation but the test developed here applies more generally. I show that the test controls size and has power under asymptotics where the number of observations within each cluster is large but the number of clusters is fixed. The test combines weighted, approximately Gaussian parameter estimates with a rearrangement procedure to obtain its critical values. The weights needed for most empirically relevant situations are tabulated in the paper. Calculation of the critical values is computationally simple and does not require simulation or resampling. The rearrangement test is highly robust to situations where some clusters are much more variable than others. Examples and an empirical application are provided.

研究の動機と目的

• 1つのクラスタに処置が与えられる差分の差（difference-in-differences）やその他のクラスタ化デザインにおいて、有効な推論を実現することに挑戦する。
• クラスタ間の未知の不均一性がある状況下でも、固定クラスターライムでサイズを制御する手法を開発すること。
• 臨界値の計算にシミュレーションやリサンプリングを必要としない、計算が簡単な代替手法を提供すること。
• 一部のクラスタが他のクラスタと比べて極端に変動が大きい状況にも耐性を持つこと。
• 既存の手法が少なくとも2つの処置クラスタを要するか、強い均質性仮定を必要とする設定にまで有効な推論を拡張すること。

提案手法

• 二重固定効果または類似の推定量を用いて、漸近的に正規分布に従うクラスターレベルの検定統計量を構築する。
• 重み付きクラスターレベル推定量に再配置手順を適用し、帰無仮説下でのサイズ制御を保証する臨界値を決定する。
• 一般的な実証的状況のための事前テーブル化された重みを使用し、追加の重みは簡単な式から計算可能である。
• クラスターレベル推定量の漸近的正規性と、正のスケーリングに対して検定統計量が不変である性質を活用する。
• クラスターレベル統計量が多変量正規分布に弱収束する条件下でも有効であることを保証する。
• 差分の差モデルおよび1つの処置クラスタを持つより一般的なモデルの両方への適用を実施する。

実験結果

リサーチクエスチョン

• RQ1 1つのクラスタに処置が与えられ、クラスタ数が固定されている状況でも、有効な推論が可能か？
• RQ2 このような状況で、シミュレーションやリサンプリングを用いずに臨界値をどのように計算できるか？
• RQ3 異分散性や不均等なクラスタ分散に対して、この検定はどの程度頑健か？
• RQ4 クラスタあたりの観察数が大きい場合に、局所代替仮説下でもパワーを維持できるか？
• RQ5 差分の差モデルを超えて、最小限の分布仮定のもとでこの検定を適用できるか？

主な発見

• 再配置検定は、1つの処置クラスタと未知の不均一性がある状況下でも、帰無仮説下でのサイズを制御する。
• 検定は $1/\sqrt{n}$ 局所代替仮説に対してパワーを維持し、小さなが意味のある処置効果にも感度を保つ。
• 臨界値はシミュレーションやリサンプリングを一切用いず、テーブル化された重みと再配置アルゴリズムに依存して計算される。
• 一部のクラスタが他のクラスタと比べて著しく変動が大きい状況にも頑健である。
• クラスターレベル統計量が多変量正規分布に弱収束する条件下でも、検定は有効である。
• 理論的結果により、1つの標本が1つの観察値しか含まない場合ですら、この検定は漸近的サイズ制御とパワーを達成することが示された。