[論文レビュー] Optimal doubly robust estimation of heterogeneous causal effects

Edward H. Kennedy|arXiv (Cornell University)|Apr 29, 2020

Advanced Causal Inference Techniques参考文献 9被引用数 71

ひとこと要約

本稿では、滑らかさやスパarsityの条件下で最適な誤差率を達成するため、補填されたアウトカムを伴う回帰に対する一般化されたオラクル不等式を活用して、異質的因果効果の二段階二重ロバスト推定量を提案する。従来の研究よりも弱い条件でオラクル効率性を確立し、局所多項式二重残差回帰と特化したサンプル分割を用いて、オラクルレートに到達できない状況下でも最小最大最適な誤差バウンドを導出する。

ABSTRACT

Heterogeneous effect estimation plays a crucial role in causal inference, with applications across medicine and social science. Many methods for estimating conditional average treatment effects (CATEs) have been proposed in recent years, but there are important theoretical gaps in understanding if and when such methods are optimal. This is especially true when the CATE has nontrivial structure (e.g., smoothness or sparsity). Our work contributes in several main ways. First, we study a two-stage doubly robust CATE estimator and give a generic model-free error bound, which, despite its generality, yields sharper results than those in the current literature. We apply the bound to derive error rates in nonparametric models with smoothness or sparsity, and give sufficient conditions for oracle efficiency. Underlying our error bound is a general oracle inequality for regression with estimated or imputed outcomes, which is of independent interest; this is the second main contribution. The third contribution is aimed at understanding the fundamental statistical limits of CATE estimation. To that end, we propose and study a local polynomial adaptation of double-residual regression. We show that this estimator can be oracle efficient under even weaker conditions, if used with a specialized form of sample splitting and careful choices of tuning parameters. These are the weakest conditions currently found in the literature, and we conjecture that they are minimal in a minimax sense. We go on to give error bounds in the non-trivial regime where oracle rates cannot be achieved. Some finite-sample properties are explored with simulations.

研究の動機と目的

• 条件付き平均処置効果（CATE）推定量がどの程度最適であるかを理解する理論的ギャップを埋めること、特に滑らかさやスパarsityなどの構造的制約下での最適性について。
• 二段階二重ロバストCATE推定量のための一般的なモデルフリー誤差バウンドを構築し、既存の文献よりも鋭い結果を得ること。
• 最小限の仮定のもとで非パラメトリックCATE推定におけるオラクル効率性を達成するための十分条件を確立すること。
• 局所多項式適応による二重残差回帰の提案を通じて、CATE推定の根本的統計的限界を調査すること。
• オラクルレートに到達できない状況下での誤差バウンドを導出し、慎重なチューニングとサンプル分割を用いること。

提案手法

• アウトカム回帰と感受性スコア推定を組み合わせた二段階二重ロバストCATE推定量を提案し、モデルフリーの誤差バウンドを提供する。
• 推定または補填されたアウトカムを伴う回帰に対する一般オラクル不等式を導出し、主な誤差バウンドの根拠とし、独立した理論的関心をもつ。
• 滑らかさ条件が弱い状況下でも推定効率を向上させるために、二重残差回帰の局所多項式適応を導入する。
• 二重残差フレームワークにおけるバイアス低減と有限標本性能の向上を図るため、特化したサンプル分割を採用する。
• 非オラクル状況下での最適収束レートを達成するために、慎重なチューニングパrameter選択を実施する。
• 滑らかさやスパarsity仮定下での誤差率を導出し、十分な条件下でオラクルレートに収束することを示す。

実験結果

リサーチクエスチョン

• RQ1 二段階二重ロバストCATE推定量が収束レートの観点でどの条件下で最適であるか。
• RQ2 補填されたアウトカムを伴う回帰に対する一般オラクル不等式を導出し、CATE推定における誤差バウンドの改善に応用可能か。
• RQ3 CATE推定量がオラクル効率性を達成できる最小限の正則性条件は何か。
• RQ4 局所多項式二重残差回帰は、既存手法と比較して収束レートとロバスト性の観点でどのように異なるか。
• RQ5 オラクル効率性が達成できない状況下でどの程度の誤差レートが達成可能か、そしてそれが最小最大最適か。

主な発見

• 提案手法の二段階二重ロバスト推定量は、同じ仮定下で既存手法よりも鋭い誤差バウンドを達成する。これは、一般モデルフリー誤差バウンドのおかげである。
• 補填されたアウトカムを伴う回帰に対する一般オラクル不等式は、CATE推定を越えて応用可能な基盤的ツールを提供する。
• オラクル効率性は、従来の知見よりも弱い条件下でも達成可能であり、特に特化したサンプル分割を用いた局所多項式二重残差回帰を用いる場合に顕著である。
• オラクル効率性を達成するための条件は、最小最大の意味で最小限であると予想され、現在の文献で最も弱い仮定を表している。
• 非オラクル状況下では、滑らかさやスパarsity構造のもとで、誤差バウンドが対数因子を除いて最適であることが示された。
• シミュレーションにより、現実的状況下での有限標本性能が良好であることが確認され、理論的結果の妥当性が裏付けられた。