[논문 리뷰] Approximate Balancing Weights: Characterizations from a Shrinkage Estimation Perspective

Zhaoran Wang, José R. Zubizarreta|arXiv (Cornell University)|2017. 05. 02.

Statistical Methods and Inference참고 문헌 39인용 수 7

한 줄 요약

이 논문은 유사 균형 가중치(ABW)를 수축 추정과 연결하여 일관성, 점근 정규성, 반모수 효율성을 입증한다. 악성 공변수 겹침이 있는 데이터에서 정확한 균형화 대비 루트 평균 제곱 오차가 거의 반으로 줄어든다.

ABSTRACT

In observational studies, weight adjustments are often performed by fitting a model for the propensity score and then inverting the predicted propensities, but recently several approaches have been proposed that instead focus on directly balancing the covariates. In this paper, we study the general class of approximate balancing weights (ABW) by drawing a connection to shrinkage estimation. This allows us to establish the large sample properties of ABW by leveraging asymptotic results from propensity score estimation. In particular, we show that under mild technical conditions ABW are consistent estimates of the true inverse probability weights. To the best of our knowledge, this functional consistency of balancing weights has not been established in the literature even for exact balancing. We also show that the resulting weighting estimator is consistent, asymptotically normal, and semiparametrically efficient. In finite samples, we present an oracle inequality that roughly bounds the loss incurred by balancing too many functions of the covariates. In three empirical studies we show that the root mean squared error of the weighting estimator can be reduced by nearly a half by using approximate balancing instead of exact balancing when the data exhibits poor overlap in covariate distributions.

연구 동기 및 목표

• 균형 가중치의 기능적 일관성을 확립하는 것. 이는 정확한 균형화에 대해서조차 이전에 증명되지 않은 성질이다.
• 유사 균형 가중치(ABW)를 수축 추정과 연결하여 이론적 기반을 마련하는 것.
• 성향 스코어 추정의 점근 결과를 활용하여 ABW의 대표적 성질을 유도하는 것.
• ABW가 일관성, 점근 정규성, 반모수 효율성을 갖는 가중치 추정기 생성하는 것을 입증하는 것.
• 많은 공변수 함수에 대한 균형을 위해 오рак루 부등식을 통해 유한 표본 성능의 경계를 제공하는 것.

제안 방법

• 균형 문제를 수축 추정 과제로 재정의하여 기존 점근 이론과 연결한다.
• 정확한 균형이 아닌 근사적 균형을 允허하면서 공변수 평균의 불균형을 최소화하는 제약 최적화 접근법을 사용한다.
• 성향 스코어 추정의 점근 결과를 활용하여 ABW의 일관성과 효율성을 증명한다.
• 유한 표본에서 너무 많은 공변수 함수에 대해 균형을 맞추는 데서 발생하는 손실을 봉인하기 위해 오라클 부등식을 개발한다.
• 수축을 통해 균형과 분산 사이의 트레이드오프를 允허함으로써 정확한 균형화를 넘어서 일반화하는 접근법이다.

실험 결과

연구 질문

• RQ1 유사 균형 가중치가 온건한 기술적 조건 하에서 진정한 역확률 가중치의 일관된 추정치로 간주될 수 있는가?
• RQ2 ABW에 기반한 가중치 추정기에서 점근 정규성과 반모수 효율성이 달성되는가?
• RQ3 열악한 공변수 겹침이 있는 유한 표본에서 ABW의 성능은 정확한 균형화와 비교해 어떻게 되는가?
• RQ4 유한 표본에서 너무 많은 공변수 함수에 대해 균형을 맞추는 데서 발생하는 이론적 손실의 경계는 무엇인가?
• RQ5 실제 데이터에서 ABW는 가중치 추정기의 루트 평균 제곱 오차를 상당한 폭으로 줄일 수 있는가?

주요 결과

• ABW는 온건한 기술적 조건 하에서 진정한 역확률 가중치의 일관된 추정치이며, 이는 이전에 문헌에서 입증되지 않은 기능적 일관성을 확립한다.
• ABW에 기반한 추정기의 가중치 추정기는 점근 정규성과 반모수 효율성을 갖는다.
• 과도하게 많은 공변수 함수에 대해 균형을 맞추는 데서 발생하는 유한 표본 손실을 봉인하는 오라클 부등식이 도출되었다.
• 세 가지 실증 연구에서, 공변수 겹침이 열악할 경우 ABW는 정확한 균형화 대비 가중치 추정기의 루트 평균 제곱 오차를 거의 50퍼센트 감소시켰다.
• 수축 추정 프레임워크는 ABW에 체계적인 이론적 기반을 제공하며, 기존 성향 스코어 이론과 통합한다.