[논문 리뷰] Improving Estimation Efficiency via Regression-Adjustment in Covariate-Adaptive Randomizations with Imperfect Compliance

Liang Jiang, Oliver B. Linton외 2명|arXiv (Cornell University)|2022. 01. 31.

Advanced Causal Inference Techniques인용 수 4

한 줄 요약

이 논문은 불완전한 준수와 이질적인 할당 확률을 동반한 공변수 적응형 랜덤화 하에서 국소 평균 치료 효과(LATE)에 대한 이중 강건한 회귀 보정 추정량을 제안한다. 이는 이질적인 할당 확률과 모형 오특정 하에서도 일致성과 점근 정규성을 확보하며, 올바른 보정이 이루어지면 반모수 효율 한계를 달성한다. 또한 비선형 및 선형-비선형 조합 보정 방식이 기존의 TSLS 및 S-추정량보다 더 뛰어난 효율성을 보임을 시사한다.

ABSTRACT

We investigate how to improve efficiency using regression adjustments with covariates in covariate-adaptive randomizations (CARs) with imperfect subject compliance. Our regression-adjusted estimators, which are based on the doubly robust moment for local average treatment effects, are consistent and asymptotically normal even with heterogeneous probabilities of assignment and misspecified regression adjustments. We propose an optimal but potentially misspecified linear adjustment and its further improvement via a nonlinear adjustment, both of which lead to more efficient estimators than the one without adjustments. We also provide conditions for nonparametric and regularized adjustments to achieve the semiparametric efficiency bound under CARs.

연구 동기 및 목표

• 공변수 적응형 랜덤화에서 이질적인 할당 확률과 치료 효과를 가진 상황에서 표준 이중 최소제곱(TSLS) 추정량의 일치성 부족 문제를 다루기 위해.
• 모형 오특정이 있을 경우에도 일치성과 점근 정규성을 유지하는 회귀 보정 추정량을 개발하기 위해.
• 비모수적 및 정규화된 보정이 LATE 추정에서 반모수 효율 한계를 달성할 수 있는 조건을 규명하기 위해.
• 공변수 적응형 랜덤화 하에서 다양한 보정 추정량, 즉 선형, 비선형, 하이브리드 보정의 효율성을 비교하기 위해.

제안 방법

• 이중 강건한 모멘트를 활용한 일반적인 회귀 보정 추정량을 제안하여, 역확률가중치화와 결과 회귀를 통합한다.
• 공변수 적응형 랜덤화에 의해 유도되는 횡단적 의존성 하에서도 강건성을 확보하기 위해 할당 확률의 일致 추정량을 활용한다.
• 이전 연구가 i.i.d. 데이터 또는 공변수 없음을 가정한 바에 비해, 공변수 적응형 랜덤화(CARs) 하에서 LATE에 대한 반모수 효율 한계(SEB)를 유도한다.
• 선형 보정 추정량 중에서 효율성을 최대화하는 최적의 선형 보정(L)과 효율성을 향상시키기 위한 비선형 로지스틱 보정(NL)을 도입한다.
• 선형 및 비선형 성분을 조합한 하이브리드 보정(F)을 제안하며, 이는 L 및 NL보다 더 높은 효율성을 보이며 증명된다.
• 비모수(NP) 및 정규화된(R) 보정이 반모수 효율 한계를 달성할 수 있는 조건을 제공하며, 이는 고차원 설정에서 최적의 효율성을 확보한다.

실험 결과

연구 질문

• RQ1 공변수 적응형 랜덤화 하에서 준수 불완전성과 이질적인 할당 확률을 가진 상황에서 표준 TSLS 추정량이 어떤 조건에서 일치하는가?
• RQ2 모형 오특정이 있을 경우에도 회귀 보정이 LATE 추정의 효율성을 향상시킬 수 있는가? 만약 가능하다면 어떤 종류의 보정이 가장 효과적인가?
• RQ3 Ansel 등(2018)의 S 추정량은 선형 보정 추정량 중에서 가장 효율적인가? 그리고 새로운 하이브리드 또는 비선형 보정과 비교해보면 어떠한가?
• RQ4 비모수적 또는 정규화된 회귀 보정이 공변수 적응형 랜덤화 하에서 반모수 효율 한계를 달성할 수 있는 조건은 무엇인가?
• RQ5 TSLS의 점근 분산은 공변수 적응형 랜덤화 하에서 비보정 추정량(NA)과 비교해 어떻게 되며, 왜 표준 오차가 보수적인가?

주요 결과

• TSLS 추정량은 조건부 치료 효과와 할당 확률이 군집 간 이질적일 경우, 공변수를 통제하더라도 일치하지 않는다.
• TSLS에 대한 표준 이방향성-로버스트 분산 추정량은 공변수 적응형 랜덤화에 의해 유도되는 횡단적 의존성으로 인해 보수적이며, 실제 점근 분산은 비보정 추정량(NA)의 분산을 초과할 수 있다.
• 제안된 이중 강건한 회귀 보정 추정량은 모형 오특정과 이질적인 할당 확률 하에서도 일치성과 점근 정규성을 확보한다.
• 최적의 선형 보정(L)은 Ansel 등(2018)의 S 추정량과 점근적으로 동일하며, S 추정량이 선형 보정 추정량 중 최적이지만 하이브리드 F 추정량보다는 효율성이 떨어진다.
• 선형 및 비선형 보정을 조합한 하이브리드 F 추정량은 L 및 NL 추정량보다 엄격히 더 효율적이며, 보정이 올바르게 이루어지면 반모수 효율 한계를 달성한다.
• 비모수(NP) 및 정규화된(R) 보정은 온건한 규칙성 조건 하에서 반모수 효율 한계를 달성하며, 고차원 설정에서 최적의 효율성을 확보할 수 있는 길을 제시한다.