[論文レビュー] Safe Policy Learning under Regression Discontinuity Designs with Multiple Cutoffs

Yi Zhang, Eli Ben‐Michael+1 more|arXiv (Cornell University)|Aug 29, 2022

Advanced Causal Inference Techniques被引用数 4

ひとこと要約

本稿は、複数のカットオフを伴う回帰不連続デザイン（RDD）における安全なポリシー学習のためのロバスト最適化フレームワークを提案する。サブポピュレーション間の滑らかな異質性を活用することで、信頼性のある外挿が可能となる。学習された治療カットオフは、現状の政策よりも全体の効用を低下させないことを保証し、二重にロバストな推定と滑らかさの仮定の下での部分的同定を用いて漸近的レジームバウンドを達成する。

ABSTRACT

The regression discontinuity (RD) design is widely used for program evaluation with observational data. The primary focus of the existing literature has been the estimation of the local average treatment effect at the existing treatment cutoff. In contrast, we consider policy learning under the RD design. Because the treatment assignment mechanism is deterministic, learning better treatment cutoffs requires extrapolation. We develop a robust optimization approach to finding optimal treatment cutoffs that improve upon the existing ones. We first decompose the expected utility into point-identifiable and unidentifiable components. We then propose an efficient doubly-robust estimator for the identifiable parts. To account for the unidentifiable components, we leverage the existence of multiple cutoffs that are common under the RD design. Specifically, we assume that the heterogeneity in the conditional expectations of potential outcomes across different groups vary smoothly along the running variable. Under this assumption, we minimize the worst case utility loss relative to the status quo policy. The resulting new treatment cutoffs have a safety guarantee that they will not yield a worse overall outcome than the existing cutoffs. Finally, we establish the asymptotic regret bounds for the learned policy using semi-parametric efficiency theory. We apply the proposed methodology to empirical and simulated data sets.

研究の動機と目的

• 既存の手法が固定カットオフにおける治療効果推定に焦点を当てているのに対し、回帰不連続（RDD）デザインにおけるポリシー学習のギャップを埋める。
• 現在のポリシーを越えて外挿可能な改善された治療カットオフを学習する手法を開発し、より悪い結果を回避する安全性を保証する。
• 現実のRDD応用で一般的な複数のサブポピュレーションカットオフを活用し、結果の異質性における滑らかさ仮定を通じて信頼性のある外挿を可能にする。
• 部分的同定の下でも、新しいポリシーが現状の政策を下回ることのない理論的保証を提供する。
• 正規性条件の下で、半パラメトリック効率理論を用いて学習されたポリシーの漸近的レジームバウンドを確立する。

提案手法

• 異なる治療ルール下での潜在的アウトカムを用いて、期待効用を点同定成分と部分的同定成分に分解する。
• 点同定成分の効用に対して二重にロバストな推定量を提案し、アウトカム回帰と感受度スコアモデルを組み合わせる。
• 走行変数に沿ったグループ間の条件付き潜在的アウトカムの差に滑らかさ仮定を課し、外挿領域では勾配が有界であることを仮定する。
• ロバスト最適化を用いて、現状のポリシーに対する最悪ケースの効用損失を最小化し、安全性の保証を得る。
• 同定不能な成分のためのモデルクラスを、滑らかさ仮定から導かれる境界に基づいて定義し、最悪ケースの効用評価を可能にする。
• 正規性条件の下で、半パラメトリック効率理論を用いて漸近的レジームバウンドを導出する。

実験結果

リサーチクエスチョン

• RQ1 無作為化や強い無視可能性を仮定せずに、RDDデザインにおけるより良い治療カットオフを学習することは可能か？
• RQ2 外挿されたカットオフに基づく新しいポリシーが、現在のポリシーよりも悪い結果をもたらさないことをどのように保証できるか？
• RQ3 複数のサブポピュレーションカットオフは、RDDデザインにおける信頼性のある外挿を可能にする役割を果たすか？
• RQ4 観測データの外縁領域に外挿することによって部分的に同定不能となった効用成分をどのように推定できるか？
• RQ5 提案された安全なポリシー学習手法の理論的収束速度（レジームバウンド）は何か？

主な発見

• 提案手法は、ロバスト最適化に基づく安全性の保証のもと、学習されたポリシーが現状の政策よりも悪い全体的効用を生じないことを保証する。
• 二重にロバストな推定量は、正規性条件の下で、識別可能な効用成分に対して√nの一致性を達成する。
• 最悪ケースの効用損失は、O_p(ρ_n^{-1}) の速度で減少する項によって有界である。ここで ρ_n は外挿領域における標本サイズである。
• 半パラメトリック効率理論を用いて漸近的レジームバウンドを確立し、最適ポリシーへの収束を示す。
• 滑らかさ制約によって定義される部分的同定モデルクラス上で最悪ケース損失を最小化することで、有限標本における安全性を達成する。
• コロンビアのACCESローンプログラムへの実応用では、学習されたカットオフを部門ごとに適用することで、全国の参加率が向上した。