[论文解读] Randomization Inference beyond the Sharp Null: Bounded Null Hypotheses and Quantiles of Individual Treatment Effects

Devin Caughey, Allan Dafoe+2 more|arXiv (Cornell University)|Jan 22, 2021

Advanced Causal Inference Techniques被引用 6

一句话总结

本文通过证明许多随机化检验在有界原假设下依然有效——即所有个体处理效应均非正或非负——将随机化推断（RI）从费雪的精确零原假设扩展至更合理的设定，从而实现对个体处理效应分位数及最大/最小效应的精确、非参数推断。该方法可提供所有效应分位数的同步、一致有效的置信区间，无需多重检验校正，为因果推断带来‘免费午餐’。

ABSTRACT

Randomization inference (RI) is typically interpreted as testing Fisher's "sharp" null hypothesis that all unit-level effects are exactly zero. This hypothesis is often criticized as restrictive and implausible, making its rejection scientifically uninteresting. We show, however, that many randomization tests are also valid for a "bounded" null hypothesis under which the unit-level effects are all non-positive (or all non-negative) but are otherwise heterogeneous. In addition to being more plausible a priori, bounded nulls are closely related to substantively important concepts such as monotonicity and Pareto efficiency. Reinterpreting RI in this way also dramatically expands the range of inferences possible in this framework. We show that exact confidence intervals for the maximum (or minimum) unit-level effect can be obtained by inverting tests for a sequence of bounded nulls. We also generalize RI to cover inference for quantiles of the individual effect distribution as well as for the proportion of individual effects larger (or smaller) than a given threshold. The proposed confidence intervals for all effect quantiles are simultaneously valid, in the sense that no correction for multiple analyses is required, and are thus a "free lunch" added to conventional RI. In sum, our reinterpretation and generalization provide a broader justification for randomization tests and a basis for exact nonparametric inference for effect quantiles. We illustrate our methods with simulations and applications, finding that Stephenson rank statistics can provide more informative results than the more common Wilcoxon rank or difference-in-means statistics. We also provide an R package RIQITE implementing the proposed approach.

研究动机与目标

• 为回应对费雪精确零原假设（所有单位效应恰好为零）过于严格且缺乏科学意义的批评。
• 证明许多标准随机化检验在有界原假设下依然有效——即所有个体效应非正或非负——而非必须要求所有效应恰好为零。
• 通过反转一系列有界原假设检验，构建个体处理效应分位数（包括最大和最小效应）的精确、非参数置信区间。
• 提出一个统一的效应异质性推断框架，兼具统计严谨性与实质可解释性。
• 证明所提方法可生成所有分位数的同步置信区间，且无需多重检验校正，显著提升实际应用价值。

提出的方法

• 通过证明在温和条件下，原在精确零原假设下有效的检验，在有界原假设（如所有个体效应 ≤ 0 或 ≥ 0）下也保持精确有效性，重新诠释随机化推断（RI）。
• 利用随机处理分配下检验统计量的抽样分布，构造有界原假设下的精确p值与置信区间，利用有界原假设下的抽样分布被精确零原假设下的抽样分布随机支配的性质。
• 通过反转一系列有界原假设检验，构建最大与最小个体处理效应的精确置信区间。
• 将该框架推广至对个体处理效应分布任意分位数的推断，通过检验形式为“至少p比例的单位效应 ≤ τ”的有界原假设。
• 采用基于秩次的检验统计量，如带调参s的史蒂芬森秩和统计量，以及威尔科xon秩和统计量，以增强对极端效应的敏感性并提升检验功效。
• 推导出所有效应分布分位数的同步置信区间，其有效性在所有分位数上一致，且无需进行多重性校正。

实验结果

研究问题

• RQ1 随机化推断能否超越精确零原假设，实现在更合理有界原假设下的有效推断？
• RQ2 能否在有界原假设下，通过随机化推断构建最大或最小个体处理效应的精确置信区间？
• RQ3 随机化推断能否推广至对个体处理效应分布任意分位数的精确、非参数推断？
• RQ4 基于秩次的检验统计量（如史蒂芬森秩和统计量）是否比传统统计量（如均值差或威尔科xon秩和）在检测效应异质性方面更具信息量？
• RQ5 能否在不进行多重检验校正的前提下，构建所有个体效应分位数的同步置信区间？

主要发现

• 原本为精确零原假设设计的随机化检验，在有界原假设（如所有效应 ≤ 0）下依然精确有效，从而拓展了推断的应用范围。
• 通过反转一系列有界原假设检验，可构建最大个体效应的精确置信区间；在出生月份研究中，最大效应的90%下置信限估计为0.084年（约1个月）。
• 在营养治疗研究中，使用s=6的史蒂芬森秩和统计量，90%下置信限表明至少19.2%的个体在治疗下会有更高的瘦体重，提供了强烈的异质性证据。
• 史蒂芬森秩和统计量在检测效应异质性方面优于均值差与威尔科xon秩和统计量，尤其在识别极端效应方面表现更优。
• 所有个体效应分位数的同步置信区间具有一致有效性，且无需多重性校正，显著提升了推断效率，堪称‘免费午餐’。
• 该方法已通过R包RIQITE实现，使所提出的推断框架可广泛应用于真实随机实验。