[論文レビュー] Primal-dual Covariate Balance and Minimal Double Robustness via Entropy Balancing

Qingyuan Zhao|arXiv (Cornell University)|Jan 15, 2015

Advanced Causal Inference Techniques参考文献 35被引用数 4

ひとこと要約

この論文は、主双対最適化フレームワークを通じて正確な共変量のバランスを強制することにより、エントロピー・バランス（EB）を用いた因果推論の新しいアプローチを提示する。著者らは、EBの主問題と双対問題を結果の回帰と傾向スコアモデルに結びつけることで、両モデルが正しく指定されている場合にEBが最小限の二重ロバスト性と漸近的セミパラメトリック効率性を達成することを証明し、従来の重み付け手法よりも統計的に優れた代替手法を提供する。

ABSTRACT

Covariate balance is a conventional key diagnostic for methods used estimating causal effects from observational studies. We show covariate balance can also be directly used in the estimation of mean causal effects by studying a recently proposed entropy maximization method called Entropy Balancing (EB). In order to avoid the tautology of repeatedly checking covariate balance, EB exactly matches the covariate moments for the different experimental groups in its optimization problem. We find that the primal and dual problems of EB correspond, respectively, to the implicit linear model of outcome and propensity score logistic regression, with features being the balanced moments. Consequently, we prove EB enjoys some desirable statistical properties: it is doubly robust with respect to the linear models and reaches the asymptotic semiparametric variance bound when both models are correct. Our theoretical results and simulations suggest EB is a very appealing alternative to the conventional propensity score weighting estimators.

研究の動機と目的

• 観察的因果推論における繰り返しの共変量バランスのチェックに依存する循環的依存を解消すること。
• 反復的診断を伴わずに、治療群間で正確なモーメントバランスを強制する手法を開発すること。
• エントロピー・バランスと標準的回帰モデル（結果の回帰モデルと傾向スコアモデル）との理論的関係を確立すること。
• EBが正しく指定されたモデルのもとで二重ロバスト性と効率性を達成することを証明すること。
• 従来の傾向スコア重み付け手法の理論的裏付けが強く、統計的に効率的な代替手法を提供すること。

提案手法

• 共変量のモーメントを治療群間で正確に一致させる制約付き最適化問題としてエントロピー・バランスを定式化する。
• EBの双対問題を導出し、バランスされたモーメントを特徴量として使用するロジスティック回帰モデルに対応させる。
• 主問題が同じバランスされたモーメント特徴量を用いた結果の回帰モデルに対応することを明らかにする。
• ラグランジュの双対性を用いて、主問題と双対問題を結果と傾向スコアの線形モデルに正式に結びつける。
• 結果の回帰モデルと傾向スコアモデルの両方が正しく指定されている場合に、EBがセミパラメトリック分散の下限に達することを示す。
• エントロピー最大化を用いて、均一重みからの発散を最小化しつつモーメントバランスを強制する重みを導出する。

実験結果

リサーチクエスチョン

• RQ1 正確な共変量バランスを推定プロセスに直接組み込むことで、反復的バランス診断の必要性を排除できるか？
• RQ2 エントロピー・バランスの主問題と双対問題は、因果推論における標準的回帰モデルとどのように関係しているか？
• RQ3 結果モデルまたは傾向スコアモデルのいずれかが正しく指定されている場合に、エントロピー・バランスは二重ロバスト性を達成するか？
• RQ4 結果モデルと傾向スコアモデルの両方が正しく指定されている場合に、エントロピー・バランスはセミパラメトリック効率性の下限に達するか？
• RQ5 従来の傾向スコア重み付け手法と比較して、エントロピー・バランスは統計的効率性とロバスト性の面で優れているか？

主な発見

• エントロピー・バランスは構成上、治療群間で正確なモーメントバランスを達成するため、後続のバランス診断は不要になる。
• EBの主問題は、バランスされたモーメントを説明変数として使用する結果の回帰モデルに対応する。
• EBの双対問題は、同じバランスされたモーメントを特徴量として使用するロジスティック回帰モデル（傾向スコア）に対応する。
• EBは二重ロバストである：結果モデルまたは傾向スコアモデルのいずれかが正しく指定されていれば、一貫した推定が得られる。
• 結果モデルと傾向スコアモデルの両方が正しく指定されている場合、EBは漸近的セミパラメトリック分散の下限に達する。
• シミュレーションと理論的分析により、EBが従来の傾向スコア重み付け手法よりも統計的に優れた代替手法であることが確認された。