[論文レビュー] The Generalized Oaxaca-Blinder Estimator

Kevin Guo, Guillaume Basse|arXiv (Cornell University)|Apr 24, 2020

Advanced Causal Inference Techniques参考文献 42被引用数 7

ひとこと要約

本稿では、任意の「単純な」非線形モデルを用いて、無作為化実験における共変量を調整する一般化されたOaxaca-Blinder推定量を導入し、無作為化のみに依存して有効な信頼区間を保証する。この手法はモデルの誤指定に対してもロバストであり、非線形モデルがデータに適合する場合、OLSよりも狭い信頼区間を生じる。

ABSTRACT

After performing a randomized experiment, researchers often use ordinary least-square (OLS) regression to adjust for baseline covariates when estimating the average treatment effect. It is widely known that the resulting confidence interval is valid even if the linear model is misspecified. In this article, we generalize that conclusion to covariate adjustment with nonlinear models. We introduce an intuitive way to use any “simple” nonlinear model to construct a covariate-adjusted confidence interval for the average treatment effect. The confidence interval derives its validity from randomization alone, and when nonlinear models fit the data better than linear models, it is narrower than the usual interval from OLS adjustment.

研究の動機と目的

• 非線形モデルが誤指定されても有効な統計的推論を維持できる、一般化された共変量調整手法の開発。
• 統計的推論、モデル誤指定へのロバスト性、i.i.d.サンプリング仮定を必要としない無作為化に基づく有効性、計算の単純さの4つの重要な性質を満たすこと。
• LinのOLSベースの共変量調整フレームワークを非線形モデルに拡張し、無作為化下でも同等の理論的保証を維持すること。
• 非線形モデルが共変量とアウトカムの関係をよりよく捉えられる場合、線形モデルよりも精度の高い推定が得られることを示すこと。
• 複雑なプログラミングや専用パッケージを必要とせず、標準的な統計ソフトウェアで実装可能な実用的手法を提供すること。

提案手法

• 任意の「単純な」非線形モデルを用いて、処置群および対照群における潜在的アウトカムを予測する一般化されたOaxaca-Blinder推定量を提案する。
• 観測されたアウトカムと共変量に基づき、モデルを用いて欠損している潜在的アウトカムを補完し、平均処置効果の二重ロバスト推定量を構築する。
• 処置群における損失関数の最小化によって推定量を定義する：$\hat{\theta}_n = \arg\min_\theta \frac{1}{n_1}\sum_{Z_i=1} \ell(\theta, \mathbf{x}_i, y_{1i})$、ここで$\ell$は$\theta$に関して凸である。
• 無作為化下での処置効果推定量$\hat{\tau}$の漸近正規性を、経験過程理論と一様収束性に依拠して確立する。
• i.i.d.サンプリング仮定やパラメトリックな分布仮定を必要とせず、無作為化による推論によって信頼区間の有効性を保証する。
• 損失関数の滑らかさ（A3）、強い凸性（A2）、母集団最小化子の存在を仮定することで、$\hat{\theta}_n$が$\theta_n^*$に収束することを保証する。

実験結果

リサーチクエスチョン

• RQ1 無作為化実験において非線形モデルを共変量調整に用いる場合、無作為化のみに依存して有効な信頼区間を保証できるか？
• RQ2 アウトカム予測に非線形モデルを用いることで、OLS調整に比べて平均処置効果の推定がより精度良くなるか？
• RQ3 一般化されたOaxaca-Blinder推定量がモデル誤指定に対してどの程度ロバストであるかの条件は何か？
• RQ4 この手法は、特別なプログラミングやパッケージを必要とせず、標準的な統計ソフトウェアで実装可能か？
• RQ5 非線形モデルがデータに適合する場合、得られる信頼区間はOLSのロバスト標準誤差区間よりも狭いか？

主な発見

• 一般化されたOaxaca-Blinder推定量は、非線形モデルが任意に誤指定されていても、無作為化のみに依存して平均処置効果の有効な信頼区間を生成する。
• 非線形モデルが線形モデルよりもデータに適合する場合、Huber-White標準誤差を用いたOLS調整よりも狭い信頼区間が得られる。
• 本手法は統計的推論、誤指定へのロバスト性、無作為化に基づく有効性、計算の単純さという4つの望ましい性質をすべて満たす。
• 損失関数およびモデルの曲率に関するややいなごろしの正則性条件のもとで、推定されたモデルパラメータ$\hat{\theta}_n$が母集団最小化子$\theta_n^*$に収束することが保証される。
• 一様収束性と経験過程理論に基づき、$\hat{\tau}$の漸近正規性が導かれるため、i.i.d.サンプリング仮定を必要とせず有効な推論が可能となる。
• 本手法はLinの線形モデルに関する結果を非線形モデルに一般化し、共変量調整のロバスト性と効率性の利点をより広いモデルクラスに拡張する。