[論文レビュー] Approximate Balancing Weights: Characterizations from a Shrinkage Estimation Perspective

Zhaoran Wang, José R. Zubizarreta|arXiv (Cornell University)|May 2, 2017

Statistical Methods and Inference参考文献 39被引用数 7

ひとこと要約

本稿は、縮小推定と関連付けることで、近似バランス重み（ABW）を導入し、その一貫性、漸近正規性、半パラメトリック効率性を示した。共変量の重なりが悪いデータにおいて、ABWは正確なバランスと比較して平均二乗誤差をほぼ半減することを示した。

ABSTRACT

In observational studies, weight adjustments are often performed by fitting a model for the propensity score and then inverting the predicted propensities, but recently several approaches have been proposed that instead focus on directly balancing the covariates. In this paper, we study the general class of approximate balancing weights (ABW) by drawing a connection to shrinkage estimation. This allows us to establish the large sample properties of ABW by leveraging asymptotic results from propensity score estimation. In particular, we show that under mild technical conditions ABW are consistent estimates of the true inverse probability weights. To the best of our knowledge, this functional consistency of balancing weights has not been established in the literature even for exact balancing. We also show that the resulting weighting estimator is consistent, asymptotically normal, and semiparametrically efficient. In finite samples, we present an oracle inequality that roughly bounds the loss incurred by balancing too many functions of the covariates. In three empirical studies we show that the root mean squared error of the weighting estimator can be reduced by nearly a half by using approximate balancing instead of exact balancing when the data exhibits poor overlap in covariate distributions.

研究の動機と目的

• バランス重みの関数的一貫性を確立すること。これは、正確なバランスに対しても、これまで未解決であった性質である。
• 近似バランス重み（ABW）を縮小推定と結びつけることで、理論的根拠を提供すること。
• プロパティススコア推定からの漸近的結果を用いて、ABWの大標本的性質を導出すること。
• ABWが一貫性、漸近正規性、および半パラメトリックに効率的な重み推定器をもたらすことを示すこと。
• 多くの共変量関数に対するバランスをとる際の有限標本における性能の上限を、オракル不等式を用いて提供すること。

提案手法

• バランス問題を縮小推定のタスクとして定式化することでABWを導出し、既存の漸近的理論と結びつける。
• 制約付き最適化アプローチを用い、正確なバランスではなく、近似的なバランスを達成するように不均衡を最小化する。
• プロパティススコア推定からの漸近的結果を活用して、ABWの一貫性と効率性を証明する。
• 有限標本における共変量関数の多すぎるバランス化に起因する損失を制限するためのオラクル不等式を導出する。
• 縮小推定を用いることで、正確なバランスを超えた一般化を実現し、バランスと分散のトレードオフを許容する。

実験結果

リサーチクエスチョン

• RQ1 近似的なバランス重みは、ややきつい技術的条件のもとで、真の逆確率重みの一致推定として一貫性を示せるか？
• RQ2 ABWに基づく重み推定器は、漸近正規性および半パラメトリック効率性を満たすか？
• RQ3 共変量の重なりが悪い有限標本において、ABWの性能は正確なバランスと比べてどうなるか？
• RQ4 有限標本において、共変量関数を多すぎる数にバランスさせることで生じる損失の理論的上限は何か？
• RQ5 実世界のデータにおいて、ABWは重み推定器の平均二乗誤差を顕著に低減できるか？

主な発見

• ややきつい技術的条件下で、ABWは真の逆確率重みの一致推定として一貫性を示し、文献においてこれまで示されていなかった関数的一貫性を確立した。
• ABWに基づく重み推定器は漸近正規であり、半パラメトリックに効率的である。
• 共変量関数を多すぎる数にバランスさせることによる過剰適合に起因する有限標本における損失を制限するオラクル不等式が導出された。
• 3つの実証的研究において、共変量の重なりが悪い状況で、ABWは正確なバランスと比較して重み推定器の平均二乗誤差をほぼ50％まで低減した。
• 縮小推定の枠組みにより、ABWに一貫した理論的基盤が提供され、既存のプロパティススコア理論と統合された。