[논문 리뷰] Blocking estimators and inference under the Neyman-Rubin model

Michael Higgins, Fredrik Sävje외 1명|arXiv (Cornell University)|2015. 10. 05.

Advanced Causal Inference Techniques참고 문헌 9인용 수 5

한 줄 요약

이 논문은 임의의 수의 처리와 블록 크기를 가진 블록 설계에서 네이먼-루빈 잠재적 결과 모델 하에 표본 평균 처리 효과(SATE) 추정량의 폐쇄형 분산 공식을 유도한다. 블록 크기가 처리 수의 두 배 이상일 경우, 차이의 평균과 호르비츠-트로프 추정량에 대해 비편향이자 보수적인 분산 추정량을 확립하여, 비모수적 가정 없이 정밀한 추론을 가능하게 한다.

ABSTRACT

We derive the variances of estimators for sample average treatment effects under the Neyman-Rubin potential outcomes model for arbitrary blocking assignments and an arbitrary number of treatments.

연구 동기 및 목표

• 다수의 처리를 가진 블록 설계에서 SATE 추정량에 대한 일반적인 분산 공식의 부족을 해결한다.
• 블록화 구조와 처리 할당 메커니즘을 고려한 폐쇄형 분산 표현을 제공한다.
• 균형 완전 랜덤화 및 블록 랜덤화 하에서 보수적이고 비편향된 분산 추정을 보장한다.
• 기존의 짝지정 설계를 초월하여 임의의 처리 수를 가진 일반 블록 설계로 추론 방법을 확장한다.
• 잠재적 결과에 대한 추가적인 비모수적 가정 없이 정확한 분산 추정을 가능하게 한다.

제안 방법

• 균형 완전 랜덤화 및 블록 랜덤화 하에서 블록 설계 내에서 차이의 평균 추정량의 분산을 유도한다.
• 동일한 설계 조건 하에서 호르비츠-트로프 추정량의 분산을 유도한다.
• 블록 크기가 처리 수의 두 배 이상일 경우 비편향이 되는 보수적 분산 추정량을 확립한다.
• 안정된 단위 처리 값 가정(SUTVA)과 잠재적 결과 프레임워크를 사용하여 반응을 모델링한다.
• 확률 이론과 조건부 기대를 적용하여 완전 랜덤화 하에서 분산 추정량의 비편향성을 증명한다.
• 분산 추정량의 성질을 증명하기 위해 처리 지표 곱의 기대값을 포함하는 핵심 항등식을 유도한다.

실험 결과

연구 질문

• RQ1 일반적인 블록 설계에서 다수의 처리를 가진 SATE 추정량의 정확한 표본 분산은 무엇인가?
• RQ2 블록 랜덤화 하에서 분산 추정량을 보수적이고 비편향적으로 구성하는 방법은 무엇인가?
• RQ3 잠재적 결과에 대한 비모수적 가정 없이 폐쇄형 분산 공식을 도출할 수 있는가?
• RQ4 다중 처리 블록 설계에서 분산 추정량의 비편향성을 보장하기 위한 블록 크기 조건은 무엇인가?
• RQ5 단순 랜덤화에 비해 블록화가 SATE 추정의 정밀도를 어떻게 향상시키는가?

주요 결과

• 논문은 임의의 블록화와 다중 처리 설계 하에서 차이의 평균 추정량과 호르비츠-트로프 추정량의 표본 분산에 대해 폐쇄형 표현식을 유도한다.
• 블록 크기가 처리 수의 두 배 이상일 경우, 균형 완전 랜덤화 하에서 호르비츠-트로프 분산 추정량은 비편향임을 증명한다.
• 블록 크기가 처리 수의 두 배 이상일 경우, 작은 블록 크기에서도 유효한 보수적 분산 추정량이 제공된다.
• 유도 과정에서 블록화를 무시할 경우 표준 오차가 과대평가되어 통계적 검정력이 감소함을 보여준다.
• 처리 지표 곱의 기대값을 포함하는 핵심 항등식은 분산 추정량의 비편향성을 증명하는 데 핵심적이다.
• 기존의 짝지정 설계 연구를 일반화하여 임의의 블록 크기와 처리 수로 확장하며, 네이먼-루빈 모델 하에서 추론을 위한 통합 프레임워크를 제공한다.