[论文解读] Central limit theorems via Stein's method for randomized experiments under interference

Alex Chin|arXiv (Cornell University)|Apr 9, 2018

Advanced Causal Inference Techniques参考文献 51被引用 19

一句话总结

本文使用 Stein 方法，在干扰条件下建立了随机实验中处理效应估计量的中心极限定理。结果表明，在受限依赖图条件下，Horvitz-Thompson 估计量与差异均值估计量均渐近正态，其方差被分解为 SUTVA 成分与干扰引起的成分，即使干扰规模增长，也能实现稳健推断。

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.

研究动机与目标

• 在干扰违反稳定单位处理值假设（SUTVA）时，建立随机实验中标准处理效应估计量的渐近正态性。
• 将 Stein 方法的适用范围扩展至存在干扰的因果推断，特别是潜在结果存在依赖性的场景。
• 提供一种方差分解方法，将干扰引起的方差与无干扰下的方差分离，以实现保守推断。
• 证明在干扰较密集但具有局部结构的温和、现实条件下，标准估计量仍保持渐近正态性。
• 通过基于干扰引起的方差成分推导保守方差估计量，支持实际推断。

提出的方法

• 使用 Stein 方法控制处理效应估计量标准化后分布与标准正态分布之间的距离。
• 基于干扰模式定义依赖图，若单位 i 和 j 的潜在结果受同一单位处理的影响，则在两者之间建立边。
• 应用 m-依赖随机变量的 Stein 方法变体，依赖于依赖图的受限度以控制依赖强度。
• 在有界度依赖图下，推导 Horvitz-Thompson 估计量的中心极限定理，确保渐近正态性。
• 提出一种保守方差估计量，将总方差分解为 SUTVA 成分与干扰引起的附加项。
• 利用扰动定理（引理 2）分析干扰下检验统计量的行为，将渐近方差与干扰结构联系起来。

实验结果

研究问题

• RQ1 在何种干扰结构条件下，Horvitz-Thompson 估计量在随机实验中渐近正态？
• RQ2 当所有单位对之间均存在干扰时，若大多数干扰可由有界度依赖图捕捉，差异均值估计量是否仍保持渐近正态性？
• RQ3 干扰如何影响标准估计量的渐近方差？该方差能否分解为可解释的成分？
• RQ4 能否构造一种保守方差估计量，以考虑干扰影响，同时在弱假设下保持有效推断？
• RQ5 在一般干扰模式下，Stein 方法在推导因果估计量中心极限定理方面可应用到何种程度？

主要发现

• 在最大度随 n 亚线性增长的受限依赖图下，Horvitz-Thompson 估计量渐近正态，即使干扰随总体规模增加。
• 对于差异均值估计量，当干扰可由有界度依赖图捕捉时，渐近正态性成立，且渐近方差被分解为 SUTVA 项与干扰引起的方差项。
• 方差比（观测方差与 SUTVA 方差之比）随最大干扰距离 ρ_max 与衰减率 γ 增大而上升，当 ρ_max=5 且 γ=0.9 时，最高可达 SUTVA 方差的 60.1%。
• 基于干扰引起的方差成分 σ_τ² 的保守方差估计量可确保在存在复杂干扰时仍能实现有效推断。
• 本文所用依赖图与 Sävje 等人（2017）引入的图等价，且该框架被证明与 Stein 方法用于正态近似兼容。
• 结果表明，在温和干扰条件下，标准估计量仍保持渐近正态性，支持在具有依赖单元的大规模实验中使用常规推断程序。