[论文解读] Synthetic Interventions

Anish Agarwal, Devavrat Shah+1 more|arXiv (Cornell University)|Jun 13, 2020

Advanced Causal Inference Techniques参考文献 22被引用 4

一句话总结

本文提出合成干预（Synthetic Interventions, SI），一种因果推断框架，仅通过每个单位两次干预，利用单位、干预和时间三者的低秩张量因子模型，估计 $N \times D$ 个个体处理效应。该方法在存在未观测混杂因素的情况下，仍能保证有限样本一致性与渐近正态性，经模拟实验和大规模电商 A/B 测试验证。

ABSTRACT

The synthetic controls (SC) methodology is a prominent tool for policy evaluation in panel data applications. Researchers commonly justify the SC framework with a low-rank matrix factor model that assumes the potential outcomes are described by low-dimensional unit and time specific latent factors. In the recent work of [Abadie '20], one of the pioneering authors of the SC method posed the question of how the SC framework can be extended to multiple treatments. This article offers one resolution to this open question that we call synthetic interventions (SI). Fundamental to the SI framework is a low-rank tensor factor model, which extends the matrix factor model by including a latent factorization over treatments. Under this model, we propose a generalization of the standard SC-based estimators. We prove the consistency for one instantiation of our approach and provide conditions under which it is asymptotically normal. Moreover, we conduct a representative simulation to study its prediction performance and revisit the canonical SC case study of [Abadie-Diamond-Hainmueller '10] on the impact of anti-tobacco legislations by exploring related questions not previously investigated.

研究动机与目标

• 估计 $N \times D$ 个因果参数——在异质单位和多种干预下的个体处理效应。
• 通过每个单位仅需两次干预，降低实验成本，避免对 $N \times D$ 个完整随机试验的需求。
• 通过在张量因子模型中建模低维潜在因子，处理未观测混杂因素。
• 在温和正则性条件下，为估计量提供有限样本一致性和渐近正态性。
• 在个性化策略评估或电商优化等场景中，实现数据高效的实验设计。

提出的方法

• 提出一种张量因子模型，将潜在结果在单位、干预和时间点上分解为低秩成分。
• 使用改进的主成分回归（PCR）估计量，通过学习控制状态下捐赠单位的权重来预测反事实结果。
• 采用两阶段估计：首先，基于干预前数据通过回归估计捐赠单位权重；其次，利用这些权重预测干预后结果。
• 基于估计误差方差和权重范数构建置信区间，实现在渐近正态性下的推断。
• 通过假设混杂效应被低秩潜在结构所捕获，处理未观测混杂。
• 使用具有已知真实值的合成数据和电商平台上真实的大规模 A/B 测试验证该方法。

实验结果

研究问题

• RQ1 我们能否仅通过每个单位两次干预，估计全部 $N \times D$ 个个体处理效应，而无需进行 $N \times D$ 次实验？
• RQ2 当未观测混杂因素影响干预分配时，如何确保估计的一致性和有效推断？
• RQ3 单位、干预和时间之间的低秩张量因子模型在多大程度上实现信息共享并实现准确预测？
• RQ4 在所提出的模型下，估计量渐近正态性的条件是什么？
• RQ5 与标准方法相比，该方法在实际应用中表现如何，特别是在数据有限的情况下？

主要发现

• SI 估计量在所提出的张量因子模型下，即使存在未观测混杂因素，也能实现有限样本一致性。
• 在所有测试样本量 $T_0 \in \{200, 400, 600, 800, 1000\}$ 下，90% 和 95% 置信区间的经验覆盖概率接近名义水平（分别为 88–90% 和 94–95%），证实了推断的有效性。
• 随着 $T_0$ 增加，区间长度减小，但由于预测质量劣于标准 PCR，区间长度仍相对较大。
• 该方法在大规模电商 A/B 测试中成功恢复了因果参数，展示了在真实场景中的实际应用价值。
• 只要混杂结构能被低维潜在因子捕获，该估计量在未观测混杂条件下依然有效。
• 该框架在高维干预和异质单位的场景下实现了可扩展的因果推断，显著降低了实验负担。