[논문 리뷰] Covariate adjustment in randomization-based causal inference for 2K factorial designs

Jiannan Lu|arXiv (Cornell University)|2016. 06. 17.

Advanced Causal Inference Techniques참고 문헌 14인용 수 6

한 줄 요약

이 논문은 2^K 요인 설계에서 랜덤화 기반 인과 추론을 위한 유한집단 점점대비 이론을 개발한다. 공변량 조정 추정량이 비조정 추정량보다 점점대비적으로 편향이 없고 더 정밀하다는 것을 입증하며, 정밀도 향상을 정량화하는 점점대비 분산의 닫힌 형태 표현식을 제공한다.

ABSTRACT

We develop finite-population asymptotic theory for covariate adjustment in randomization-based causal inference for 2K factorial designs. In particular, we confirm that both the unadjusted and covariate-adjusted estimators of the factorial effects are asymptotically normal, and the latter is more precise than the former.

연구 동기 및 목표

• 2^K 요인 설계에서 공변량 조정에 대한 엄밀한 유한집단 점점대비 프레임워크를 수립하기 위해.
• 랜덤화 기반 추론에서 공변량 조정이 요인 효과 추정량의 정밀도를 향상시키는지, 그리고 어떻게 향상시키는지 조사하기 위해.
• 비조정 및 공변량 조정 추정량의 점점대비 분산에 대한 닫힌 형태 표현식을 유도하기 위해.
• 공변량 조정으로 인한 정밀도 향상을 정량화하고, 이 향상이 최대화되는 조건을 규명하기 위해.
• Lin(2013)의 처리-대조 연구에 대한 결과를 다인자 요인 설계로 확장하기 위해.

제안 방법

• 유한집단에서 안정된 단위 처리값 가정(SUTVA) 하에 잠재적 결과 프레임워크를 사용한다.
• J×J 모형 행렬 H에서 유도된 직교 대비 벡터를 사용하여 요인 효과를 정의한다. 여기서 J=2^K이다.
• 기초 공변량을 활용하여 표본 분산을 줄이는 공변량 조정 추정량을 제안한다.
• 유한집단 점점대비 이론을 적용하며, 실험 단위 수 N이 증가하고 처리 조합 수 J는 고정된 것으로 가정한다.
• 관측된 결과 및 잠재적 결과 평균의 다변량 중심극한정리에 기반하여 점점대비 분포를 유도한다.
• 잠재 결과의 공분산 구조를 활용하여 행렬 대수를 통해 비조정 및 공변량 조정 추정량의 점점대비 분산에 대한 닫힌 형태 표현식을 유도한다.

실험 결과

연구 질문

• RQ1 2^K 요인 설계에서 추정량의 정밀도 측면에서 공변량 조정은 유익한가?
• RQ2 공변량 조정 추정량의 점점대비 분산은 비조정 추정량과 비교하여 어떻게 되는가?
• RQ3 공변량 조정으로 인한 점점대비 정밀도 향상의 닫힌 형태 표현식은 무엇인가?
• RQ4 공변량 조정으로 인한 정밀도 향상이 최대화되거나 최소화되는 조건은 무엇인가?
• RQ5 2^K 요인 설계에서 공변량 조정 추정량의 유한표본 편향은 무엇인가?

주요 결과

• 유한집단 점점대비 프레임워크 하에서 요인 효과의 비조정 및 공변량 조정 추정량은 모두 점점대비적으로 편향이 없고 정규분포를 따른다.
• 공변량 조정 추정량은 비조정 추정량보다 점점대비적으로 더 정밀하며, 정밀도 향상은 점점대비 분산의 차이로 정량화된다.
• 점점대비 분산의 차이는 다음과 같은 닫힌 형태 표현식으로 주어진다: Var(τ_rb(l)) - Var(τ_ca(l)) = (1/(2^{2K-1}N)) × Σ_j Σ_j' ξ_jj'ᵀΩξ_jj', 여기서 ξ_jj'는 처리 효과, 비율, 공변량 잔차의 함수이다.
• 정밀도 향상은 음이 아닌데, 이는 공변량 조정이 점점대비 정밀도를 감소시키지 않음을 의미하며, p_j' h_jl ζ_j = p_j h_j'l ζ_j' 가 모든 j,j' = 1,…,J에 대해 성립할 때에만 정밀도 향상이 0이 된다.
• 비조정 추정량의 점점대비 분산은 σ²_rb(l) = (1/2^{2K-1}) × Σ_j (1-p_j)/p_j × (σ_jj - σ̃_jj) 이고, 공변량 조정 분산은 σ²_ca(l) = (1/2^{2K-1}) × Σ_j (1-p_j)/p_j × (σ_jj - σ̃_jj) - Σ_{j≠j'} h_jl h_j'l (σ_jj' - σ̃_jj') 이다.
• 결과는 Lin(2013)의 처리-대조 연구에 대한 결과를 다인자 요인 설계로 일반화하며, 복잡한 실험 설계에서 공변량 조정의 이론적 기반을 확립한다.