[논문 리뷰] Central limit theorems via Stein's method for randomized experiments under interference

Alex Chin|arXiv (Cornell University)|2018. 04. 09.

Advanced Causal Inference Techniques참고 문헌 51인용 수 19

한 줄 요약

이 논문은 간섭이 존재하는 랜덤화 실험에서 치료 효과 추정기의 중심극한정리들을 스토인의 방법을 사용하여 수립한다. 이는 SUTVA와 간섭에 의해 유도되는 성분으로 분해된 분산을 포함하여, 제한된 의존성 그래프 조건 하에서 호르비츠-트로프 및 평균 차이 추정기의 점근적 정규성을 보여주며, 증가하는 간섭 조건 하에서도 강건한 추론이 가능하게 한다.

ABSTRACT

We study conditions under which treatment effect estimators constructed under the no-interference assumption in randomized experiments are asymptotically normal in the presence of interference. We prove that the standard Horvitz-Thompson estimator is asymptotically normal under a restricted interference condition characterized by limiting the degree of the dependency graph. The amount of interference is allowed to grow with the population size. We then provide a central limit theorem for the difference-in-means estimator that can handle interference that exists between all pairs of units, provided most of the interference is captured by a restricted-degree dependency graph. The asymptotic variance admits a decomposition into two terms: (a) the variance that is expected under no-interference and (b) the additional variance contributed by interference. We propose a conservative variance estimator based on this variance decomposition. The results arise as an application of Stein's method. For practitioners, our results show that standard estimators continue to exhibit normality in large sample sizes and that inference can be made robust to mild forms of interference.

연구 동기 및 목표

• 간섭이 안정된 단위 치료값 가정(SUTVA)을 위반할 경우, 랜덤화 실험에서 표준 치료 효과 추정기의 점근적 정규성을 수립하기 위해.
• 특히 잠재적 결과가 의존적인 상황에서 인과 추론에 대해 스토인의 방법의 적용 범위를 확장하기 위해.
• 간섭에 의한 분산과 간섭이 없는 조건에서의 분산을 분리하는 분산 분해를 제공하여, 보수적인 추론을 가능하게 하기 위해.
• 간섭이 밀도 높지만 局소적으로 구조화되어 있을 경우조차도 표준 추정기가 점근적으로 정규성을 유지함을 보여주기 위해.
• 간섭에 의해 유도되는 분산 성분을 기반으로 보수적인 분산 추정기의 유도를 통해 실용적 추론을 지원하기 위해.

제안 방법

• 정규화된 치료 효과 추정기의 분포와 표준 정규분포 사이의 거리를 제한하기 위해 스토인의 방법을 사용한다.
• 간섭 패턴에 기반한 의존성 그래프를 정의하며, 단위 i와 j 사이에 공통된 단위의 치료에 의해 잠재적 결과가 영향을 받는 경우 간선을 설정한다.
• 의존성 그래프의 제한된 차수를 활용하여 m-의존 랜덤 변수에 대한 스토인의 방법의 변종을 적용함으로써 의존성 강도를 통제한다.
• 유한 차수의 의존성 그래프 조건 하에서 호르비츠-트로프 추정기의 중심극한정리를 도출하여 점근적 정규성을 보장한다.
• SUTVA 성분과 간섭에 의해 유도되는 추가 항으로 총 분산을 분해하는 보수적인 분산 추정기를 제안한다.
• 간섭 하에서 검정 통계량의 행동을 분석하기 위해 페르투르베이션 정리(보조정리 2)를 활용하며, 점근적 분산을 간섭 구조와 연결한다.

실험 결과

연구 질문

• RQ1 어떤 간섭 구조 조건 하에서 랜덤화 실험에서 호르비츠-트로프 추정기는 점근적으로 정규분포를 따를 수 있는가?
• RQ2 모든 단위 쌍 간에 간섭이 존재할 경우, 대부분의 간섭이 유한 차수의 의존성 그래프로 기술될 수 있다면, 평균 차이 추정기는 점근적으로 정규성을 유지할 수 있는가?
• RQ3 간섭은 표준 추정기의 점근적 분산에 어떤 영향을 미치며, 이를 해석 가능한 성분으로 분해할 수 있는가?
• RQ4 보수적인 분산 추정기를 유도할 수 있는가? 이는 약한 가정 하에 간섭을 고려하면서도 유효한 추론을 유지할 수 있도록 하기 위함이다.
• RQ5 스토인의 방법을 일반적인 간섭 패턴 하에서 인과 추정기의 중심극한정리를 도출하는 데 얼마나 활용할 수 있는가?

주요 결과

• 최대 차수가 n에 대해 비선형적으로 증가하는 제한된 의존성 그래프 조건 하에서, 간섭이 인구 크기와 함께 증가하더라도 호르비츠-트로프 추정기는 점근적으로 정규분포를 따르며, 이는 간섭이 증가함에도 불구하고 성립한다.
• 평균 차이 추정기의 경우, 간섭이 유한 차수의 의존성 그래프로 기술될 수 있을 때 점근적 정규성이 유지되며, 점근적 분산은 SUTVA 항과 간섭에 의해 유도된 분산 항으로 분해된다.
• 관측된 분산과 SUTVA 분산의 비율은 최대 간섭 거리 ρ_max와 감쇠율 γ에 따라 증가하며, ρ_max=5이고 γ=0.9일 경우 SUTVA 분산보다 최대 60.1% 높아진다.
• 간섭에 의해 유도되는 분산 성분 σ_τ²를 기반으로 한 보수적인 분산 추정기는 간섭이 존재하고 복잡한 경우에도 유효한 추론을 보장한다.
• 이 연구에서 사용된 의존성 그래프는 Sävje 등(2017)이 도입한 것과 동일하며, 이 프레임워크는 정규분포 근사에 대해 스토인의 방법과 호환됨이 입증되었다.
• 결과적으로, 약한 간섭 조건 하에서도 표준 추정기가 점근적으로 정규성을 유지함을 보여주며, 의존 단위를 포함한 대규모 실험에서 전통적인 추론 절차의 사용을 지지한다.