[논문 리뷰] A Graph-Theoretic Approach to Randomization Tests of Causal Effects Under General Interference

David Puelz, Guillaume Basse외 2명|arXiv (Cornell University)|2019. 10. 23.

Complex Network Analysis Techniques인용 수 5

한 줄 요약

이 논문은 일반적인 간섭 상황에서 유효한 랜덤화 검정을 위한 그래프 이론적 프레임워크를 제안한다. 인과적 근무가설을 이분 그래프로 모델링하고, 근무가설이 날카로운 완전 부분그래프인 바이클리크를 식별함으로써 조건부 랜덤화 검정을 가능하게 한다. 이 방법은 관측된 할당 조건에 따라 조건화함으로써 검정력 향상을 이루며, 표준 그래프 알고리즘을 활용하여 이전의 방법들보다 군집화되거나 공간적 간섭 상황에서 더 우수한 성능을 보인다. 메데인 경찰 운영 실험을 통해 이를 입증하였다.

ABSTRACT

Interference exists when a unit's outcome depends on another unit's treatment assignment. For example, intensive policing on one street could have a spillover effect on neighboring streets. Classical randomization tests typically break down in this setting because many null hypotheses of interest are no longer sharp under interference. A promising alternative is to instead construct a conditional randomization test on a subset of units and assignments for which a given null hypothesis is sharp. Finding these subsets is challenging, however, and existing methods are limited to special cases or have limited power. In this paper, we propose valid and easy-to-implement randomization tests for a general class of null hypotheses under arbitrary interference between units. Our key idea is to represent the hypothesis of interest as a bipartite graph between units and assignments, and to find an appropriate biclique of this graph. Importantly, the null hypothesis is sharp within this biclique, enabling conditional randomization-based tests. We also connect the size of the biclique to statistical power. Moreover, we can apply off-the-shelf graph clustering methods to find such bicliques efficiently and at scale. We illustrate our approach in settings with clustered interference and show advantages over methods designed specifically for that setting. We then apply our method to a large-scale policing experiment in Medellin, Colombia, where interference has a spatial structure.

연구 동기 및 목표

• 인과 추론에서 간섭이 존재할 경우, '간섭 없음' 가정을 위반할 때 유효한 랜덤화 검정을 수행하는 데 도전하는 문제를 해결한다.
• 기존 방법들이 특정 간섭 구조(예: 군집화 또는 공간적 간섭)에 국한되어 일반화가 어려운 점을 극복한다.
• 통계적 검정력과 계산 복잡도를 근무 노출 그래프 상의 그래프 이론적 연산으로 변환하는 구성적이고 모odu lar한 프레임워크를 개발한다.
• 관측된 할당 조건에 따라 조건화하는 방식을 통해 기존의 무작위 조건화 방식보다 높은 통계적 검정력을 확보한다.
• 복잡한 공간적 및 군집적 간섭을 포함한 임의의 간섭 패tern에 적용 가능한 일반적인 해법을 제공한다.

제안 방법

• 유닛과 할당을 노드로 하여 이분 그래프로 근무 노출 그래프를 구성하고, 간섭 하에서의 관측된 근무 노출을 간선으로 표현한다.
• 근무 노출 그래프 내 바이클리크를 정의하여, 모든 유닛이 모든 할당에 연결된 완전 이분 부분그래프로 정의하고, 이 부분그래프 내에서 근무가설이 날카로워지도록 보장한다.
• 조건부 랜덤화 검정을 위해 바이클리크를 조건부 집합으로 사용하며, 근무가설 하에서 검정의 타당성을 보장한다.
• 표준 그래프 클러스터링 알고리즘을 적용하여 큰 바이클리크를 효율적으로 식별함으로써 통계적 검정력을 극대화한다.
• 교차 근무가설을 일반화하기 위해 다중 근무 노출 그래프를 도입하여, 다수의 잠재 결과 제약 조건을 포괄한다.
• 교차 근무가설 하에서 잠재 결과의 복원 가능성을 유지하는 할당을 초기화로 사용하여 바이클리크 식별 절차를 업데이트한다.

실험 결과

연구 질문

• RQ1 기존 방법이 비날카로운 근무가설 때문에 실패할 때, 일반적인 간섭 상황에서 유효한 랜덤화 검정을 어떻게 구성할 수 있는가?
• RQ2 특정 근무가설이 날카로워지는 유닛과 할당의 부분집합을 식별할 수 있는가? 이를 통해 조건부 랜덤화 검정이 가능해지는가?
• RQ3 식별된 바이클리크의 크기는 간섭 하에서의 랜덤화 검정에서 통계적 검정력과 어떤 관계가 있는가?
• RQ4 제안된 방법은 사전 구조적 가정 없이 복잡한 간섭 구조(예: 공간적 간섭 또는 군집 간섭)에 적용 가능한가?
• RQ5 관측된 할당 조건에 따라 조건화하는 것이 간섭 상황에서 무작위 조건화 방식보다 검정력 향상에 어떻게 기여하는가?

주요 결과

• 제안된 바이클리크 기반 랜덤화 검정은 임의의 간섭 상황에서 조건부로 타당하며, 식별된 바이클리크 내에서 근무가설이 날카로워지기 때문이다.
• 관측된 할당 조건에 따라 조건화함으로써 높은 통계적 검정력을 확보하였으며, 시뮬레이션과 메데인 경찰 운영 실험을 통해 이를 입증하였다.
• 메데인 실험에서 원시 결과의 FRT는 모든 반경에서 유의미한 확산 효과를 보였지만, 바이클리크 방법을 사용한 조정된 결과 검정에서는 유의미한 확산 효과가 없었다. 이는 공변수에 의한 혼동이 있을 가능성을 시사한다.
• 조정된 결과의 랜덤화 분포는 원시 결과보다 분산이 작고, 더 작은 양의 중심값을 가지며, 더 정밀한 추론을 의미한다.
• 조정된 결과에 대한 바이클리크 검정은 유의미한 확산 효과가 없음을 시사하는 p-값을 보였으며, 이는 0.05 수준에서 유의미한 계수를 찾지 못한 회귀 분석 결과와 일치한다.
• 이 방법은 메데인 데이터에서 큰 바이클리크를 성공적으로 식별하여, 복잡한 공간적 간섭 상황에서도 강력하고 타당한 검정을 가능하게 하였으며, 군집 간섭에 특화된 기존 방법들을 능가하였다.