[논문 리뷰] Large Sample Properties of Entropy Balancing Estimators of Average Causal Effects

David Källberg, Ingeborg Waernbaum|arXiv (Cornell University)|2022. 04. 22.

Advanced Causal Inference Techniques인용 수 4

한 줄 요약

이 논문은 Kullback-Leibler 및 이차 Rényi 산란을 사용하여 평균 인과적 효과에 대한 엔트로피 균형 조정 추정량의 대표적 점근적 성질을 수립한다. 이는 엔트로피 균형 조정이 모형 의존성을 감소시키지만, 일致성에는 고유한 비모수적 가정이 필요하며, 관찰 연구에서 타당한 추론을 가능하게 하기 위해 점근적 분산 추정량을 제공함을 보여준다.

ABSTRACT

Weighting methods are used in observational studies to adjust for covariate imbalances between treatment and control groups. Entropy balancing (EB) is an alternative to inverse probability weighting with an estimated propensity score. The EB weights are constructed to satisfy balance constraints and optimized towards stability. We describe large sample properties of EB estimators of the average causal treatment effect, based on the Kullback-Leibler and quadratic Rényi relative entropies. Additionally, we propose estimators of their asymptotic variances. Even though the objective of EB is to reduce model dependence, the estimators are generally not consistent unless implicit parametric assumptions for the propensity score or conditional outcomes are met. The finite sample properties of the estimators are investigated through a simulation study. In an application with observational data from the Swedish Childhood Diabetes Register, we estimate the average effect of school achievements on hospitalization due to acute complications of type 1 diabetes mellitus.

연구 동기 및 목표

• 평균 인과적 효과에 대한 엔트로피 균형 조정 추정량의 대표적 점근적 성질을 수립하기 위해.
• 엔트로피 균형 조정 추정량이 모형 의존성을 줄이기 위해 설계되었음에도 불구하고, 일치성이 성립하는 조건을 조사하기 위해.
• Kullback-Leibler 및 이차 Rényi 산란 기반 엔트로피 균형 조정 추정량의 점근적 분산 추정량을 도출하기 위해.
• 시뮬레이션 및 실증 적용을 통해 이러한 추정량의 유한표본 성능을 평가하기 위해.
• 균형 함수와 산란 측도가 추정량의 일치성에 영향을 미치는 암묵적인 비모수적 가정을 유도하는 역할를 명확히 하기 위해.

제안 방법

• Kullback-Leibler 또는 이차 Rényi 산란을 균일한 가중치에 대해 최소화하면서, 공변수 함수에 대한 삼중 균형 제약 조건을 만족시키는 방식으로 엔트로피 균형 조정 가중치를 유도한다.
• 삼중 균형은 치료군, 대조군 및 통합된 군 간 공변수 함수의 평균이 동일하도록 보장한다.
• Kullback-Leibler 산란 변형은 로짓 링크를 사용하는 비모수적 경향 스코어 모형과 연결되며, 이차 Rényi 변형은 최소 분산 가중치를 산출한다.
• 결과 또는 경향 스코어 모형에 대한 암묵적인 비모수적 가정 하에 점근적 정규성과 일치성이 확립된다.
• 영향 함수를 기반으로 한 분산 추정량이 유도되어 평균 치료 효과에 대한 신뢰구간을 가능하게 한다.
• 이 방법은 스웨덴 어린이 당뇨병 등록부에서 수집한 관찰 데이터에 적용되어, 1형 당뇨병 합병증으로 인한 입원에 영향을 미치는 학교 성적의 영향을 추정한다.

실험 결과

연구 질문

• RQ1 엔트로피 균형 조정 추정량이 평균 치료 효과에 대해 어떤 조건에서 일치성을 가진다?
• RQ2 산란 측도 선택(Kullback-Leibler 대비 이차 Rényi)이 암묵적인 비모수적 가정과 추정량 성질에 어떤 영향을 미치는가?
• RQ3 엔트로피 균형 조정 추정량의 점근적 분산 추정량은 무엇이며, 어떻게 타당한 추론을 지원하는가?
• RQ4 실제 설정에서 엔트로피 균형 조정 추정량의 유한표본 성능은 표준 역확률 가중치 추정량과 어떻게 비교되는가?
• RQ5 고차원 설정에서 근사 균형 또는 공변수 함수의 사후 선택이 추정량 성능에 얼마나 영향을 미치는가?

주요 결과

• Kullback-Leibler 및 이차 Rényi 엔트로피 균형 조정 추정량은 경향 스코어 또는 결과 모형에 대한 암묵적인 비모수적 가정이 있을 경우에만 점근적으로 정규분포를 따르며 일치성을 가진다.
• 이 추정량들은 전통적인 의미에서 이중로버스트가 아니며, 올바르게 특정된 경향 스코어만으로는 적어도 한 군의 결과 모형이 함께 필요하다는 점에서 일치성이 보장되지 않는다.
• 실증 적용에서 QR 추정량은 저학년 성적으로 인한 입원 증가를 0.90일(95% 신뢰구간: 0.42–1.37)로 추정하였다.
• KL 추정량은 인과 효과를 0.86일(95% 신뢰구간: 0.37–1.35)로 추정하였으며, Chan 등(2016)의 별도 분산 추정량을 사용할 경우 신뢰구간이 넓어졌다.
• Chan 등(2016)의 분산 추정량을 사용할 경우, QR의 95% 신뢰구간은 (0.51, 1.28)로, KL의 경우 (0.54, 1.17)로 좁아졌으며, 이는 분산 추정 방법에 민감하게 반응함을 보여준다.
• 표준 로지스틱 회귀 IPW 추정량은 유사한 추정치 0.81(95% 신뢰구간: 0.49–1.13)을 제공하여, 다양한 가중치 방법 간의 강건성을 시사한다.