[論文レビュー] Asymptotic Theory of Rerandomization in Treatment-Control Experiments

Xinran Li, Peng Ding+1 more|arXiv (Cornell University)|Apr 3, 2016

Advanced Causal Inference Techniques参考文献 27被引用数 10

ひとこと要約

本稿は、正規分布や加法的仮定に依存せずに、処置対照群実験における再ランダム化の漸近的理論を展開し、平均の差推定値が非正規の漸近的分布を示すことを示している——これは正規分布と切断正規分布変数の線形結合である。これにより、正確な大標本信頼区間が可能となり、再ランダム化が完全ランダム化と比較してサンプリング分散と分位範囲を低減することを示している。

ABSTRACT

Although complete randomization ensures covariate balance on average, the chance for observing significant differences between treatment and control covariate distributions increases with many covariates. Rerandomization discards randomizations that do not satisfy a predetermined covariate balance criterion, generally resulting in better covariate balance and more precise estimates of causal effects. Previous theory has derived finite sample theory for rerandomization under the assumptions of equal treatment group sizes, Gaussian covariate and outcome distributions, or additive causal effects, but not for the general sampling distribution of the difference-in-means estimator for the average causal effect. To supplement existing results, we develop asymptotic theory for rerandomization without these assumptions, which reveals a non-Gaussian asymptotic distribution for this estimator, specifically a linear combination of a Gaussian random variable and a truncated Gaussian random variable. This distribution follows because rerandomization affects only the projection of potential outcomes onto the covariate space but does not affect the corresponding orthogonal residuals. We also demonstrate that, compared to complete randomization, rerandomization reduces the asymptotic sampling variances and quantile ranges of the difference-in-means estimator. Moreover, our work allows the construction of accurate large-sample confidence intervals for the average causal effect, thereby revealing further advantages of rerandomization over complete randomization.

研究の動機と目的

• 正規分布や加法的因果効果の仮定をせず、再ランダム化の漸近的理論を構築すること。
• 一般設定下での再ランダム化における平均の差推定値の漸近的分布を特徴づけること。
• 完全ランダム化と比較して、再ランダム化が漸近的サンプリング分散と分位範囲を低減することを示すこと。
• パrametric仮定なしに、再ランダム化下での平均因果効果の正確な大標本信頼区間を構築できることを可能にすること。
• 再ランダム化の幾何的影響——特に潜在的アウトカムを共変数空間に射影すること——が因果推論に与える役割を明確にすること。

提案手法

• 潜在的アウトカムを共変数空間への射影成分と直交する残差に分解する幾何的フレームワークを用いる。
• 平均の差推定値の漸近的分布を、標準正規変数と切断正規変数の線形結合としてモデル化する。
• マハラノビス距離基準を用いて再ランダム化領域を定義し、共変数バランスが悪いランダム化を制限する。
• 条件付き漸近的理論を用い、共変数不均衡が事前に指定されたしきい値内にある条件の下で、サンプリング分布を導出する。
• 共変数差の標準化と直交分解を用い、再ランダム化の影響と残差変動を分離する。
• 再ランダム化が、アウトカムの共変数空間への射影にのみ影響を与え、直交する残差には影響しないという事実に依拠する。

実験結果

リサーチクエスチョン

• RQ1 正規分布や加法的仮定をしない場合、再ランダム化下での平均の差推定値の漸近的分布は何か？
• RQ2 完全ランダム化と比較して、再ランダム化は平均の差推定値のサンプリング分散と分位範囲にどのように影響するか？
• RQ3 パラメトリック仮定なしに、再ランダム化下での平均因果効果の正確な大標本信頼区間を構築できるか？
• RQ4 共変数空間は、再ランダム化下での漸近的分布をどのように規定するか？
• RQ5 特に潜在的アウトカムの射影に着目した再ランダム化の幾何的構造は、推論にどのように影響するか？

主な発見

• 再ランダム化下での平均の差推定値の漸近的分布は、正規分布ではなく、正規分布と切断正規分布変数の線形結合である。
• 完全ランダム化と比較して、再ランダム化は平均の差推定値の漸近的サンプリング分散を低減し、推定精度を向上させる。
• 再ランダム化下では、完全ランダム化と比較して推定値の漸近的分位範囲が狭くなり、サンプリング分布がより集中していることを示している。
• 潜在的アウトカムを共変数空間への射影成分と直交する残差に分解することで、漸近的分布が導出されており、再ランダム化はその射影成分にのみ影響を与える。
• この理論により、正規分布や加法的仮定なしに、再ランダム化下での平均因果効果の有効な大標本信頼区間を構築できることが裏付けられている。
• 重要な洞察は、再ランダム化が、アウトカムの共変数空間への射影にのみ影響を与え、直交する残差は変化しないことである。これにより、漸近的分布の構造が保たれる。