[論文レビュー] Randomization-Based Causal Inference from Unbalanced 2^2 Split-Plot Designs

Anqi Zhao, Peng Ding+1 more|arXiv (Cornell University)|Feb 11, 2016

Optimal Experimental Design Methods参考文献 18被引用数 3

ひとこと要約

本稿は、潜在的アウトカムの分解を用いて、ブロック間およびブロック内共分散の線形結合として標本分散を導出することで、不均衡な2²分割割り付け設計におけるランダム化に基づく因果推論手法を開発する。モデルベースの代替手法と比較して優れた頻度的カバレッジを示し、超集団推論との漸近的関係を確立する。

ABSTRACT

Given two 2-level factors of interest, a 2^2 split-plot design} (a) takes each of the $2^2=4$ possible factorial combinations as a treatment, (b) identifies one factor as `whole-plot,' (c) divides the experimental units into blocks, and (d) assigns the treatments in such a way that all units within the same block receive the same level of the whole-plot factor. Assuming the potential outcomes framework, we propose in this paper a randomization-based estimation procedure for causal inference from 2^2 designs that are not necessarily balanced. Sampling variances of the point estimates are derived in closed form as linear combinations of the between- and within-block covariances of the potential outcomes. Results are compared to those under complete randomization as measures of design efficiency. Interval estimates are constructed based on conservative estimates of the sampling variances, and the frequency coverage properties evaluated via simulation. Asymptotic connections of the proposed approach to the model-based super-population inference are also established. Superiority over existing model-based alternatives is reported under a variety of settings for both binary and continuous outcomes.

研究の動機と目的

• 因果推論における不均衡な2²分割割り付け設計に対するランダム化に基づく推論手法の欠如に対処すること。
• ブロック構造と実験設計における不均一性を考慮した分散推定手順を開発すること。
• ブロックレベルの不均一性を用いて、分割割り付け設計と完全無作為化の相対的効率を実証的に比較すること。
• 漸近的議論を用いて、有限集団のランダム化に基づく推論とモデルベースの超集団推論を統合すること。
• シミュレーションによる正当化されたカバレッジ特性を有する保守的信頼区間推定を提供すること。

提案手法

• 2²分割割り付け設計における潜在的アウトカム枠組み下でのランダム化に基づく推定手順を提案する。
• 潜在的アウトカムのブロック間およびブロック内共分散の線形結合として、標本分散を閉形式で導出する。
• 潜在的アウトカムの分解を用いて、設計の効率性とブロックレベルの不均一性を結びつける。
• 射影行列技術を用いてランダム化下での共分散構造をモデル化する。
• 推定された標本分散を用いて保守的信頼区間を構築する。
• 残差共分散の極限を用いて、有限集団のランダム化推論と線形混合モデルとの間の漸近的関係を確立する。

実験結果

リサーチクエスチョン

• RQ1 ブロック構造を有する不均衡な2²分割割り付け設計に、どのようにランダム化に基づく推論を拡張できるか。
• RQ2 分割割り付け設計の相対的効率は完全無作為化と比べてどの程度で、ブロックの不均一性にどのように依存するか。
• RQ3 分割割り付け設計における推定量の標本分散は、潜在的アウトカムのブロック内およびブロック間共分散にどのように依存するか。
• RQ4 ランダム化に基づく推論は、二値および連続的アウトカムのさまざまなタイプにおいて、モデルベースの手法よりも優れた頻度的カバレッジを達成できるか。
• RQ5 この文脈において、ランダム化に基づく推論と超集団モデルベース推論との間の漸近的関係は何か。

主な発見

• 提案されたランダム化に基づく手法は、多様な設定においてモデルベースの代替手法と比較して優れた頻度的カバレッジ特性を示す。
• 標本分散は、潜在的アウトカムのブロック間およびブロック内共分散の線形結合として閉形式で導出される。
• ブロックレベルの不均一性が高くなると、効率性が向上し、設計選択と実証的ブロック構造が結びつく。
• 導出された分散に基づく保守的信頼区間推定は、シミュレーション研究において良好なカバレッジを維持する。
• 漸近的解析により、線形混合モデルで仮定されるブロック対角共分散構造が支持され、有限集団と超集団推論を橋渡しする。
• 二値および連続的アウトカムの両方において、カバレッジの正確性の観点で、既存のモデルベース手法を上回る。