[논문 리뷰] The Generalized Oaxaca-Blinder Estimator

Kevin Guo, Guillaume Basse|arXiv (Cornell University)|2020. 04. 24.

Advanced Causal Inference Techniques참고 문헌 42인용 수 7

한 줄 요약

이 논문은 랜덤화만으로도 평균 치료 효과에 대한 유효한 신뢰구간을 보장하면서, 임의의 '단순한' 비선형 모델을 사용해 랜덤화 실험에서 공변량을 보정하는 일반화된 Oaxaca-Blinder 추정기법을 제안한다. 이 방법은 모형 잘못 설정에 대해 강건하며, 비선형 모형이 데이터에 더 잘 맞을 경우 OLS보다 좁은 구간을 생성한다.

ABSTRACT

After performing a randomized experiment, researchers often use ordinary least-square (OLS) regression to adjust for baseline covariates when estimating the average treatment effect. It is widely known that the resulting confidence interval is valid even if the linear model is misspecified. In this article, we generalize that conclusion to covariate adjustment with nonlinear models. We introduce an intuitive way to use any “simple” nonlinear model to construct a covariate-adjusted confidence interval for the average treatment effect. The confidence interval derives its validity from randomization alone, and when nonlinear models fit the data better than linear models, it is narrower than the usual interval from OLS adjustment.

연구 동기 및 목표

• 비선형 모형이 잘못 설정되어도 유효한 통계적 추론을 유지할 수 있는 일반적인 방법을 개발하여 랜덤화 실험에서 공변량을 보정하는 것.
• 통계적 추론, 모형 잘못 설정에 대한 강건성, 표본 추출 없이도 유효한 랜덤화 기반 추론, 계산의 단순성의 네 가지 핵심 성질을 만족시키는 것.
• Lin의 OLS 기반 공변량 보정 프레임워크를 비선형 모형으로 확장하면서도, 랜덤화 조건 하에서 동일한 이론적 보장을 유지하는 것.
• 비선형 모형이 공변량과 결과 간의 관계를 더 잘 포착할 경우, 선형 모형보다 더 정밀한 추정치를 제공할 수 있음을 보여주는 것.
• 복잡한 프로그래밍이나 전용 패키지를 요구하지 않는 표준 통계 소프트웨어로도 구현 가능한 실용적인 방법을 제공하는 것.

제안 방법

• 모든 '단순한' 비선형 모형을 사용하여 치료 조건과 대조 조건에서의 잠재 결과를 예측하는 일반화된 Oaxaca-Blinder 추정기법을 제안한다.
• 관측된 결과와 공변량을 바탕으로 모형을 이용해 누락된 잠재 결과를 보간하여 평균 치료 효과의 이중 강건 추정기법을 구성한다.
• 치료군에서 손실 함수를 최소화하는 방식으로 추정기법을 정의한다: $\hat{\theta}_n = \arg\min_\theta \frac{1}{n_1}\sum_{Z_i=1} \ell(\theta, \mathbf{x}_i, y_{1i})$, 여기서 $\ell$ 은 $\theta$ 에 대해 볼록하다.
• 랜덤화 조건 하에서 치료 효과 추정기 $\hat{\tau}$ 의 점근 정규성을 입증하며, 경험 과정 이론과 균일 수렴성을 활용한다.
• 독립적 동일분포(i.i.d.) 표본 추출이나 파라미터 분포 가정 없이도, 랜덤화 기반 추론을 통해 신뢰구간의 유효성을 확보한다.
• 손실 함수의 미분 가능성(A3), 강한 볼록성(A2), 인구 최소화자 존재성 조건을 가정하여 $\hat{\theta}_n$ 이 $\theta_n^*$ 로 수렴함을 보장한다.

실험 결과

연구 질문

• RQ1 랜덤화 실험에서 비선형 모형을 사용해 공변량을 보정할 수 있을까? 이 경우 랜덤화만으로도 유효한 신뢰구간을 확보할 수 있는가?
• RQ2 결과 예측에 비선형 모형을 사용할 경우, OLS 보정에 비해 평균 치료 효과의 추정치가 더 정밀한가?
• RQ3 일반화된 Oaxaca-Blinder 추정기법이 모형 잘못 설정에 대해 강건성을 유지하는 조건은 무엇인가?
• RQ4 이 방법은 전용 프로그래밍이나 패키지를 요구하지 않고 표준 통계 소프트웨어로도 구현 가능한가?
• RQ5 비선형 모형이 데이터에 더 잘 맞을 경우, 이로 인한 신뢰구간이 OLS의 로버스트 표준오차 구간보다 좁은가?

주요 결과

• 일반화된 Oaxaca-Blinder 추정기법은 비선형 모형이 임의로 잘못 설정되어도, 랜덤화만으로도 평균 치료 효과에 대한 유효한 신뢰구간을 생성한다.
• 비선형 모형이 선형 모형보다 데이터에 더 잘 맞을 경우, Huber-White 표준오차를 사용한 OLS 보정보다 좁은 구간을 제공한다.
• 이 방법은 통계적 추론, 잘못 설정에 대한 강건성, 랜덤화 기반 유효성, 계산의 단순성의 네 가지 바람직한 성질을 모두 만족한다.
• 손실 함수와 모형 곡률에 대한 온건한 정규성 조건 하에서 추정 모형 매개수 $\hat{\theta}_n$ 이 인구 최소화자 $\theta_n^*$ 로 수렴함이 보장된다.
• 균일 수렴성과 경험 과정 이론을 통해 $\hat{\tau}$ 의 점근 정규성이 도출되며, 이는 i.i.d. 표본 추출 가정 없이도 유효한 추론을 보장한다.
• 이 방법은 Lin의 선형 모형 기반 결과를 비선형 모형으로 일반화하여, 공변량 보정의 강건성과 효율성 향상 효과를 더 넓은 모형 범주로 확장한다.