[論文レビュー] Synthetic Interventions

Anish Agarwal, Devavrat Shah+1 more|arXiv (Cornell University)|Jun 13, 2020

Advanced Causal Inference Techniques参考文献 22被引用数 4

ひとこと要約

本稿では、単位、介入、時刻の3方向にわたる低ランクテンソル因子モデルを活用し、各単位に対して2つの介入のみを用いて、$N \times D$ 個の個別的介入効果を推定する因果推論フレームワーク「合成介入（Synthetic Interventions, SI）」を提案する。この手法は、観察されない交絡要因が存在する状況においても有限標本の一貫性および漸近正規性を保証し、シミュレーションおよび大規模な電子商取引プラットフォームにおけるA/Bテストにより検証されている。

ABSTRACT

The synthetic controls (SC) methodology is a prominent tool for policy evaluation in panel data applications. Researchers commonly justify the SC framework with a low-rank matrix factor model that assumes the potential outcomes are described by low-dimensional unit and time specific latent factors. In the recent work of [Abadie '20], one of the pioneering authors of the SC method posed the question of how the SC framework can be extended to multiple treatments. This article offers one resolution to this open question that we call synthetic interventions (SI). Fundamental to the SI framework is a low-rank tensor factor model, which extends the matrix factor model by including a latent factorization over treatments. Under this model, we propose a generalization of the standard SC-based estimators. We prove the consistency for one instantiation of our approach and provide conditions under which it is asymptotically normal. Moreover, we conduct a representative simulation to study its prediction performance and revisit the canonical SC case study of [Abadie-Diamond-Hainmueller '10] on the impact of anti-tobacco legislations by exploring related questions not previously investigated.

研究の動機と目的

• 異質な単位と複数の介入に対して、$N \times D$ 個の因果パラメータ（個別的介入効果）を推定すること。
• 各単位に対して2つの介入のみを要する設計により、$N \times D$ 個の完全な無作為化実験を回避することで、実験コストを低減すること。
• テンソル因子モデルにおける低次元の潜在要因として交絡効果をモデル化することで、観察されない交絡要因を扱うこと。
• ややきつい正則性条件のもとで、推定量の有限標本の一貫性および漸近正規性を提供すること。
• パーソナライズドポリシー評価や電子商取引最適化などの設定において、データ効率の良い実験設計を可能にすること。

提案手法

• 潜在アウトカムが単位、介入、時刻の3方向にわたって低ランク成分に分解可能なテンソル因子モデルを提案する。
• ドナー単位の対照状態におけるデータから重みを学習する修正版主成分回帰（PCR）推定量を用い、反実仮説のアウトカムを予測する。
• 2段階推定を採用する：まず、介入前のデータに基づいてドナー単位の重みを回帰で推定；次に、これらの重みを用いて介入後のアウトカムを予測する。
• 推定誤差分散と重みノルムに基づく信頼区間の構築を採用し、漸近正規性のもとで推論を可能にする。
• 交絡要因は、低ランク潜在構造に統合されると仮定することで、観察されない交絡を扱う。
• 真の値が既知の合成データと、電子商取引プラットフォームでの実世界のA/Bテストを用いて、手法を検証する。

実験結果

リサーチクエスチョン

• RQ1 各単位に対して2つの介入のみを用いて、$N \times D$ 個のすべての個別的介入効果を推定可能か？ これにより $N \times D$ 個の実験を必要としないか？
• RQ2 介入割り当てに観察されない交絡要因が影響する状況で、推定の一貫性と有効な推論をどのように保証できるか？
• RQ3 単位、介入、時刻の3方向にわたる低ランクテンソル因子モデルが、情報共有と正確な予測をどの程度可能にするか？
• RQ4 提案されたモデルのもとで、推定量の漸近正規性を保証する条件は何か？
• RQ5 限られたデータ下でも、標準的手法と比較して、実際の応用において本手法はどの程度の性能を示すか？

主な発見

• SI推定量は、提案されたテンソル因子モデルのもとで、観察されない交絡要因が存在する状況においても有限標本の一貫性を達成する。
• 全テスト標本サイズ $T_0 \in \{200, 400, 600, 800, 1000\}$ において、90%および95%信頼区間の実証的カバレッジが名目水準（88–90%および94–95%）に近く、有効な推論が確認された。
• 区間長は $T_0$ の増加に伴い短くなるが、標準PCRと比較して予測精度が劣るため、依然として相対的に大きいままである。
• 大規模な電子商取引A/Bテストにおいて、因果パラメータを効果的に回復した。実世界の応用における実用性が示された。
• 交絡構造が低次元の潜在要因に捉え込まれている限り、観察されない交絡要因が存在する状況でも推定量は有効である。
• 高次元の介入と異質な単位が存在する設定においても、スケーラブルな因果推論を可能にし、実験負荷を顕著に低減できる。