[论文解读] Blocking estimators and inference under the Neyman-Rubin model

Michael Higgins, Fredrik Sävje+1 more|arXiv (Cornell University)|Oct 5, 2015

Advanced Causal Inference Techniques参考文献 9被引用 5

一句话总结

本文在具有任意处理数量和区块大小的区块设计下，基于Neyman-Rubin潜在结果模型，推导了样本平均处理效应（SATE）估计量的闭式方差公式。当区块大小至少为处理数量的两倍时，本文建立了差异均值估计量与Horvitz-Thompson估计量的无偏且保守的方差估计量，从而在无需参数假设的前提下实现精确推断。

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.

研究动机与目标

• 解决在具有多个处理的区块设计下SATE估计量缺乏通用方差公式的缺陷。
• 提供考虑区块结构与处理分配机制的闭式方差表达式。
• 在平衡完全随机化与区块随机化下，确保方差估计的保守性与无偏性。
• 将现有推断方法从配对设计推广至具有任意处理数的一般区块设计。
• 在Neyman-Rubin因果模型下，无需额外参数假设，实现准确的方差估计。

提出的方法

• 推导在区块设计下，于平衡完全随机化与区块随机化条件下，差异均值估计量的方差。
• 推导在相同设计条件下，Horvitz-Thompson估计量的方差。
• 建立保守的方差估计量，当区块大小至少为处理数量的两倍时，该估计量为无偏。
• 使用稳定单位处理值假设（SUTVA）与潜在结果框架来建模响应。
• 应用概率论与条件期望，推导在完全随机化下方差估计量无偏性的证明。
• 推导涉及处理指示变量乘积期望的关键恒等式，以证明方差估计量的性质。

实验结果

研究问题

• RQ1 在具有多个处理的一般区块设计下，SATE估计量的精确抽样方差是什么？
• RQ2 如何构建在区块随机化下既保守又无偏的方差估计量？
• RQ3 能否在不对方差结果做参数假设的前提下，推导出闭式方差公式？
• RQ4 在多处理区块设计中，何种区块大小条件可确保方差估计量的无偏性？
• RQ5 与简单随机化相比，区块设计在SATE估计中如何提升精度？

主要发现

• 本文推导了在任意分组与多处理设计下，差异均值估计量与Horvitz-Thompson估计量的抽样方差的闭式表达式。
• 证明了当区块大小至少为处理数量的两倍时，Horvitz-Thompson方差估计量在平衡完全随机化下为无偏。
• 提供了即使在区块大小较小时也有效的保守方差估计量，只要区块大小至少为处理数量的两倍。
• 推导表明，若在方差估计中忽略区块结构，将导致标准误的过度估计，从而降低统计功效。
• 涉及处理指示变量乘积期望的关键恒等式，为方差估计量无偏性的证明提供了关键支持。
• 研究结果将先前针对配对设计的工作推广至任意区块大小与处理数量，为Neyman-Rubin模型下的推断提供统一框架。