[논문 리뷰] On the mixed-model analysis of covariance in cluster-randomized trials

Bingkai Wang, Michael O. Harhay외 4명|arXiv (Cornell University)|2021. 12. 01.

Statistical Methods and Bayesian Inference인용 수 14

한 줄 요약

이 논문은 군집 랜덤화 시험에서 혼합모형 분석공분산(ANCOVA)의 모형에 대한 강건성을 확립하며, 임의의 모형 오Specification 하에서도 평균 치료 효과 추정량이 일致하고 점차적으로 정규분포를 이룬다는 것을 증명한다. 또한 치료 배정이 균형을 이루는 경우(50"), 작업 모형이 잘못되었더라도 모형 기반 분산 추정량이 여전히 타당함을 보이며, 실무에서 표준 소프트웨어 출력 결과에 강력한 정당성을 제공한다.

ABSTRACT

In the analyses of cluster-randomized trials, mixed-model analysis of covariance (ANCOVA) is a standard approach for covariate adjustment and handling within-cluster correlations. However, when the normality, linearity, or the random-intercept assumption is violated, the validity and efficiency of the mixed-model ANCOVA estimators for estimating the average treatment effect remain unclear. Under the potential outcomes framework, we prove that the mixed-model ANCOVA estimators for the average treatment effect are consistent and asymptotically normal under arbitrary misspecification of its working model. If the probability of receiving treatment is 0.5 for each cluster, we further show that the model-based variance estimator under mixed-model ANCOVA1 (ANCOVA without treatment-covariate interactions) remains consistent, clarifying that the confidence interval given by standard software is asymptotically valid even under model misspecification. Beyond robustness, we discuss several insights on precision among classical methods for analyzing cluster-randomized trials, including the mixed-model ANCOVA, individual-level ANCOVA, and cluster-level ANCOVA estimators. These insights may inform the choice of methods in practice. Our analytical results and insights are illustrated via simulation studies and analyses of three cluster-randomized trials.

연구 동기 및 목표

• 모형 오Specification 하에서도 군집 랜덤화 시험에서 평균 치료 효과에 대한 혼합모형 ANCOVA 추정량의 강건성을 확립하기.
• 특히 치료 배정이 균형을 이루는 경우, 모형 오Specification 하에서도 표준 소프트웨어 분산 추정치의 타당성을 명확히 하기.
• 다양한 데이터 생성 과정 하에서 핵심 추정량—혼합모형 ANCOVA1, 개인 수준 ANCOVA1, 군집 수준 ANCOVA1, 군집 수준 ANCOVA2—의 정밀도를 비교하기.
• 실증적 비교 근거로 혼합모형 ANCOVA에 대한 REML 대비 ML 추정의 이론적 정당성을 제공하기.

제안 방법

• 잠재적 결과 프레임워크를 사용하여 원인적 추정량을 정의하고, 모형 오Specification 하에서 추정량 성질을 평가한다.
• 임의의 작업 모형 하에서 혼합모형 ANCOVA 추정량의 점근적 분포 성질을 유도하며, 일치성과 점근적 정규성을 증명한다.
• 홀더 부등식을 적용하여 다양한 추정량의 분산을 비교하며, 척도화된 군집 합계 기반 군집 수준 ANCOVA2와 혼합모형 ANCOVA2를 포함한다.
• 영향 함수 분석을 활용하여 점근적 분산을 유도하고, 다양한 추정량 간의 정밀도를 비교한다.
• 시뮬레이션 연구를 수행하고, 세 개의 실제 CRT를 분석하여 이론적 결과를 실증한다.
• 수치적 결과를 통해 REML과 ML 추정을 비교하여 분산 성분 추정의 편향을 평가한다.

실험 결과

연구 질문

• RQ1 임의의 모형 오Specification 하에서도 평균 치료 효과에 대한 혼합모형 ANCOVA 추정량은 일치하고 점근적으로 정규분포를 따르는가?
• RQ2 작업 모형이 잘못되었더라도, 특히 치료 배정이 균형을 이루는 경우, 혼합모형 ANCOVA1의 모형 기반 분산 추정량은 여전히 타당한가?
• RQ3 다양한 데이터 생성 메커니즘 하에서 혼합모형 ANCOVA1의 정밀도는 개인 수준 및 군집 수준 ANCOVA 추정량보다 어떻게 다른가?
• RQ4 척도화된 군집 합계 기반 군집 수준 ANCOVA2 추정량은 군집 평균 기반 군집 수준 ANCOVA2 추정량보다 더 높은 정밀도를 달성할 수 있는가?
• RQ5 실증적 증거에 기반해, 모형 오Specification 하에서 혼합모형 ANCOVA에 대한 REML 추정량은 ML보다 더 강건한가?

주요 결과

• 모형 오Specification 하에서도 평균 치료 효과에 대한 혼합모형 ANCOVA 추정량은 일치하고 점근적으로 정규분포를 따르며, 타당한 추론이 가능하다.
• 치료 배정이 균형을 이루는 경우(π = 0.5), 작업 모형이 잘못되었더라도 혼합모형 ANCOVA1의 모형 기반 분산 추정량은 여전히 일치하며, 이는 모형 오Specification 하에서도 표준 소프트웨어 신뢰구간의 타당성을 뒷받침한다.
• 군집 크기가 변동하는 경우, 척도화된 군집 합계 기반 군집 수준 ANCOVA2 추정량은 군집 평균 기반 군집 수준 ANCOVA2 추정량보다 더 높은 정밀도를 달성하지만, 일반적으로는 비교가 불확실하다.
• 작업 모형이 정확히 지정된 경우, 혼합모형 ANCOVA2는 척도화된 군집 합계 기반 군집 수준 ANCOVA2보다 더 효율적일 수 있다.
• REML 추정량은 ML 대비 분산 성분 추정의 편향이 감소함을 보이며, 실무에서 잠재적인 이점이 있음을 시사하지만, 공식적인 강건성 증명은 아직 남아 있다.
• 영향 함수 분석은 추정량의 정밀도가 공변수 선택과 군집 수준 이질성의 구조에 따라 달라진다는 것을 확인한다.