[논문 리뷰] Average Treatment Effects in the Presence of Interference

Yu‐Chen Hu, Shuangning Li외 1명|arXiv (Cornell University)|2021. 04. 08.

Advanced Causal Inference Techniques참고 문헌 17인용 수 7

한 줄 요약

이 논문은 간섭이 존재하는 상황에서 평균 간접적 치료 효과의 비모수적 정의를 도입하며, 표준 직접 효과와 유사하다. 모든 단일 실험에 대한 비교가 필요하지 않은 보편적인 분해 정리(Decomposition Theorem)를 확립하여 직접 효과와 간접 효과의 합이 총 정책 개입 효과와 같음을 보이며, 일반적인 모수적 간섭 모델에 적용 가능한 강력하고 모델에 종속되지 않는 추정량(estimand)을 제공한다.

ABSTRACT

We propose a definition for the average indirect effect of a binary treatment in the potential outcomes model for causal inference. Our definition is analogous to the standard definition of the average direct effect, and can be expressed without needing to compare outcomes across multiple randomized experiments. We show that the proposed indirect effect satisfies a universal decomposition theorem, whereby the sum of the average direct and indirect effects always corresponds to the average effect of a policy intervention. We also consider a number of parametric models for interference considered by applied researchers, and find that our (non-parametrically defined) indirect effect remains a natural estimand when re-expressed in the context of these models.

연구 동기 및 목표

• 단위 간의 간섭이 존재할 때 인과 추론에서 의미 있는 평균 간접 효과를 정의하기 위해.
• 다중 랜덤화 실험 간 비교가 필요 없는 정의를 개발하기 위해.
• 총 치료 효과를 직접 및 간접 성분으로 분해하는 보편적인 분해를 확립하기 위해.
• 일반적인 모수적 간섭 모델 내에서 간접 효과가 자연스럽고 일관된 추정량으로 유지되도록 보장하기 위해.
• 다양한 모델링 가정에 걸쳐 강건한 이론적 기반을 제공하는 비모수적 프레임워크를 제공하기 위해.

제안 방법

• 간섭 하에서 잠재적 결과 기반으로 평균 간접 효과의 새로운 정의를 제안한다.
• 총 평균 치료 효과가 직접 효과와 간접 효과의 합과 같다는 보편적인 분해 정리를 유도한다.
• 다른 치료 구성에 따라 단위 간의 반사적 결과(counterfactual outcomes)를 정의하기 위해 잠재적 결과 프레임워크를 사용한다.
• 간섭의 일반적인 모수적 모델에 재표현될 때 간접 효과가 잘 정의되고 해석 가능하다는 것을 보여준다.
• 추가 실험적 비교 없이 다양한 간섭 구조에서 간접 효과 정의의 일관성을 확립한다.

실험 결과

연구 질문

• RQ1 다중 랜덤화 실험에 의존하지 않고, 간섭이 존재하는 상황에서 평균 간접 효과를 어떻게 공식적으로 정의할 수 있는가?
• RQ2 간섭 하에서 총 치료 효과가 직접 효과와 간접 효과 성분으로 분해되는 보편적인 정리가 성립하는가?
• RQ3 제안된 간접 효과가 표준 모수적 간섭 모델에 내장되었을 때 자연스럽고 일관된 추정량인가?
• RQ4 단위가 상호 영향을 미치는 환경에서 간접 효과를 의미 있게 해석하고 추정할 수 있는가?
• RQ5 일반적인 간섭 메커니즘 하에서 간접 효과는 어떤 이론적 성질을 갖는가?

주요 결과

• 제안된 평균 간접 효과는 비모수적으로 정의되며, 다중 랜덤화 실험 간 비교가 필요하지 않다.
• 보편적인 분해 정리가 성립하여, 평균 직접 효과와 간접 효과의 합이 총 평균 치료 효과와 같다는 것을 보장한다.
• 일반적으로 사용되는 간섭의 모수적 모델에 재표현될 때 간접 효과는 여전히 유효하고 해석 가능한 추정량이다.
• 이 프레임워크는 간섭 하에서 직접 및 간접 인과 경로를 명확히 분리할 수 있는 이론적으로 일관된 방법을 제공한다.
• 다양한 간섭 구조와 모델링 가정에 걸쳐 간접 효과 정의의 일관성을 보장한다.
• 이 방법은 간섭이 존재하는 설정에서 인과 추론을 위한 통합된 기반을 제공하며, 해석 가능성과 강건성을 향상시킨다.