[논문 리뷰] Causal inference with misspecified exposure mappings

Fredrik Sävje|arXiv (Cornell University)|2021. 01. 01.

Advanced Causal Inference Techniques참고 문헌 25인용 수 12

한 줄 요약

이 논문은 복잡한 단위 상호작용을 모델링하기 위해 사용되는 노출 맵핑이 잘못 지정된 경우에도 인과적 추론이 유효하게 유지되는 조건을 설정한다. 특정 오차의 약한 의존성 하에서 노출 효과 추정기의 일致성을 입증하며, 오차가 단위 간 체계적으로 일치하지 않는 한 정확한 추정이 가능하다는 것을 보여주며, 더 강한 조건 하에서는 점근적 정규성이 달성 가능하다.

ABSTRACT

Exposure mappings facilitate investigations of complex causal effects when units interact in experiments. Current methods assume that the exposures are correctly specified, but such an assumption cannot be verified, and its validity is often questionable. This paper describes conditions under which one can draw inferences about exposure effects when the exposures are misspecified. The main result is a proof of consistency under mild conditions on the errors introduced by the misspecification. The rate of convergence is determined by the dependence between units' specification errors, and consistency is achieved even if the errors are large as long as they are sufficiently weakly dependent. In other words, exposure effects can be precisely estimated also under misspecification as long as the units' exposures are not misspecified in the same way. The limiting distribution of the estimator is discussed. Asymptotic normality is achieved under stronger conditions than those needed for consistency. Similar conditions also facilitate conservative variance estimation.

연구 동기 및 목표

• 단위 상호작용을 포함한 실험 설계에서 흔히 발생하지만 검증이 불가능한 가정인 노출 맵핑이 잘못 지정된 경우 인과 추론의 핵심적 격차를 해결하기 위해.
• 틀린 노출 맵핑이 존재하더라도 인과 효과 추정기가 일치성을 유지할 수 있는 조건을 규명하기 위해.
• 노출 맵핑 오류 하에서 추정기의 수렴 속도와 극한 분포를 특성화하기 위해.
• 점근적 정규성에 필요한 조건보다 더 약한 조건 하에서도 보수적인 분산 추정을 가능하게 하기 위해.

제안 방법

• 저자들은 노출 맵핑이 잘못 지정된 경우에도 노출 효과 추정기가 일치성을 유지할 수 있는 조건을 유도한다.
• 오차의 특정화를 무작위 과정으로 모델링하고, 이를 단위 간 의존성 구조로 분석한다.
• 오차에 대해 미약한 모멘트 조건과 약한 의존성 조건을 만족할 경우 일치성이 확립되며, 특히 오차가 단위 간 약하게 의존할 경우에 해당된다.
• 추정기의 극한 분포를 유도하며, 더 강한 모멘트 및 의존성 조건 하에서는 점근적 정규성이 입증된다.
• 유사한 조건을 통해 보수적인 분산 추정이 가능해져 추론의 강건성이 향상된다.

실험 결과

연구 질문

• RQ1 노출 맵핑이 잘못 지정된 경우 어떤 조건에서 인과 효과 추정기가 일치성을 유지할 수 있는가?
• RQ2 특정화 오차의 의존성 구조는 추정기의 수렴 속도에 어떤 영향을 미치는가?
• RQ3 노출 맵핑 오류 하에서 추정기가 점근적으로 정규분포를 띠기 위해 필요한 조건은 무엇인가?
• RQ4 점근적 정규성에 필요한 조건보다 더 약한 조건 하에서도 보수적인 분산 추정을 달성할 수 있는가?

주요 결과

• 노출 맵핑이 상당히 잘못 지정된 경우에도 특정화 오차가 단위 간 약하게 의존할 경우 노출 효과 추정기는 일치성을 유지한다.
• 수렴 속도는 단위 간 특정화 오차의 의존성 정도에 따라 달라지며, 의존성이 약할수록 수렴 속도가 빨라진다.
• 추정기의 점근적 정규성 도달 조건은 일치성 확보 조건보다 더 강력한 조건이 필요하다.
• 점근적 정규성 보장 조건과 동일한 조건이 보수적인 분산 추정을 지원함으로써 추론의 신뢰성 향상이 가능하다.