[논문 리뷰] Efficient Semiparametric Estimation of Average Treatment Effects Under Covariate Adaptive Randomization

Ahnaf Rafi|arXiv (Cornell University)|2023. 05. 15.

Advanced Causal Inference Techniques인용 수 4

한 줄 요약

이 논문은 기초 공변량으로 정의된 군집 내에서 치료 배정이 균형을 이루는 공변량 적응형 랜덤화(CAR)를 사용하는 랜덤화 실험에서 평균 치료 효과(ATE)를 추정하기 위한 반모수 효율 한계를 설정한다. 약간의 규칙성 조건 하에서 교차 적합된 네다라야-워슨 커널 추정기법이 이 한계에 도달함을 보이며, 이는 치료 배정 메커니즘이 결과 간의 의존성을 유도하더라도 효율적인 추론이 가능함을 의미한다.

ABSTRACT

Experiments that use covariate adaptive randomization (CAR) are commonplace in applied economics and other fields. In such experiments, the experimenter first stratifies the sample according to observed baseline covariates and then assigns treatment randomly within these strata so as to achieve balance according to pre-specified stratum-specific target assignment proportions. In this paper, we compute the semiparametric efficiency bound for estimating the average treatment effect (ATE) in such experiments with binary treatments allowing for the class of CAR procedures considered in Bugni, Canay, and Shaikh (2018, 2019). This is a broad class of procedures and is motivated by those used in practice. The stratum-specific target proportions play the role of the propensity score conditional on all baseline covariates (and not just the strata) in these experiments. Thus, the efficiency bound is a special case of the bound in Hahn (1998), but conditional on all baseline covariates. Additionally, this efficiency bound is shown to be achievable under the same conditions as those used to derive the bound by using a cross-fitted Nadaraya-Watson kernel estimator to form nonparametric regression adjustments.

연구 동기 및 목표

• 넓은 범위의 공변량 적응형 랜덤화(CAR) 절차에 대해 평균 치료 효과(ATE) 추정에 대해 잘 정의된 반모수 효율 한계(SPEB)가 존재하는지 확인하는 것.
• 약한 점근적 조건 하에서 실현 가능한 반모수 추정기법이 이 효율 한계에 점차적으로 도달할 수 있는지 조사하는 것.
• CAR 메커니즘이 유도하는 의존성에도 불구하고 효율성이 달성 가능한 조건을 규명하는 것.
• 목표 배정 비율이 군집별로 다를 수 있고 치료 배정 메커니즘이 분산에 영향을 미치는 CAR 설계로 기존의 효율 이론을 확장하는 것.

제안 방법

• 모든 기초 공변량을 조건으로 하여 [26]의 한계를 일반화함으로써 CAR 하에서 ATE에 대한 반모수 효율 한계를 유도한다.
• 실제로 사용되는 절차를 포함한 광범위한 CAR 절차의 집합을 고려하며, 군집별 목표 비율이 사전에 지정되어 있음을 가정한다.
• 효율 한계에 도달하기 위해 비모수 회귀 조정을 위한 교차 적합된 네다라야-워슨 커널 추정기법을 제안한다.
• 약한 규칙성 조건 하에서 추정기의 점근 정규성과 루트-n 일致성을 확보하기 위해 교차 적합을 사용한다.
• 유도된 한계에 사용된 동일한 약한 조건 하에서 효율 한계가 달성 가능함을 입증하여 실용적 타당성을 확보한다.
• 치료 배정 메커니즘이 분산에 미치는 영향을 분석하여, 일부 추정기법은 메커니즘 선택에 민감할 수 있으나, 제안된 추정기법은 어떤 메커니즘 선택에도 불구하고 효율성을 달성함을 보여준다.

실험 결과

연구 질문

• RQ1 군집별 목표 비율이 있는 공변량 적응형 랜덤화에서 ATE 추정에 대해 잘 정의된 반모수 효율 한계가 존재하는가?
• RQ2 약한 규칙성 조건 하에서 실현 가능한 추정기법이 이 효율 한계에 도달할 수 있는가?
• RQ3 치료 배정 메커니즘의 선택이 CAR 설계에서 ATE 추정기의 점근 분산에 어떤 영향을 미치는가?
• RQ4 CAR 실험에서 군집 고정 효과 모델을 초월해 비모수 회귀 조정이 추정 효율성을 얼마나 향상시킬 수 있는가?
• RQ5 목표 비율이 군집 간으로 다를 때이고 치료 배정 메커니즘이 결과 간 의존성을 유도할 때, 제안된 추정기법은 여전히 효율적인가?

주요 결과

• CAR 하에서 ATE 추정에 대한 반모수 효율 한계는 [26]의 한계의 특수한 경우이지만, 모든 기초 공변량을 조건으로 한다.
• 효율 한계는 유도된 데 사용된 동일한 약한 규칙성 조건 하에서 교차 적합된 네다라야-워슨 커널 추정기법을 통해 달성 가능하다.
• 제안된 추정기법은 루트-n 일치성과 점근 정규성을 확보하여 타당한 추론이 가능하다.
• 기본 추정기법과 달리, 제안된 방법은 치료 배정 메커니즘의 선택에 대해 강건하며, 다른 추정기법에서는 분산에 영향을 미치는 경우에도 마찬가지다.
• 커널 추정을 통한 비모수 조정으로 인한 효율성 향상은 공식적으로 입증되었으며, 군집 고정 효과 모델을 초월해 정밀도를 향상시킨다.
• 복잡한 CAR 메커니즘 하에서도 적절한 비모수 조정과 교차 적합을 사용할 경우 효율적인 ATE 추정이 가능함을 보여준다.