Bounding Treatment Effects by Pooling Limited Information across Observations

기술적 요약: 관측치 간 제한된 정보의 풀링을 통한 치료 효과 경계 설정

문제 제기
본 논문은 중첩 (overlap) 조건이 위반되거나 조건부 변수들이 표본 크기에 비해 많은 수의 서로 다른 값을 가질 때, 무교란성 (unconfoundedness) 가정 하에서 평균 치료 효과 (ATE) 및 치료받은 집단의 평균 치료 효과 (ATT) 를 추정하는 문제에 직면한 과제를 다룹니다. 이러한 "제한된 중첩" 또는 고차원 설정에서 표준 역확도 점수 (IPS) 가중치는 확도 점수를 일관되게 추정할 수 없기 때문에 실패하며, 이는 무한한 분산이나 비균일 점근적 거동을 초래합니다. 반면, 중첩이 전혀 필요 없는 맨스키 (Manski) 경계만으로는 극도로 넓은 구간이 도출되어 종종 정보성이 결여됩니다. 저자들은 기존 방법들, 예를 들어 트리밍 (trimming) 이나 중첩 가중치는 관심 매개변수를 변경하며, 외삽법들은 잠재적으로 오지정된 모델에 의존한다고 지적합니다.

방법론
저자들은 "무 풀링 (no pooling)"인 맨스키 경계와 IPS 가중치를 통한 점 추정을 위해 필요한 "무제한 풀링 (unlimited pooling)" 사이의 중간 공간을 차지하는 경계를 구성하기 위한 새로운 프레임워크를 제안합니다.

1. 제한된 풀링 (Limited Pooling): 핵심 혁신은 관측된 결과의 함수들의 표본 평균으로 경계를 구성하는 것으로, 각 결과의 기여도는 유사한 공변량 값을 공유하는 제한된 수의 관측치들의 치료 상태에만 의존합니다.
2. 경계의 차수:
   • 1 차 경계 ($Q=1$): 이는 표준 맨스키 경계에 해당하며, 개별 결과와 치료 상태만을 활용하여 중첩이 필요 없습니다.
   • 2 차 및 고차 경계 ($Q \ge 2$): 이는 동일하거나 군집화된 공변량 값을 가진 관측치들의 쌍이나 소규모 그룹으로부터 정보를 활용합니다. 이러한 소규모 그룹 내에서 무교란성 가정을 활용함으로써 저자들은 더 좁은 경계를 유도합니다.
3. 참조 확도 점수: 경계는 "참조 확도 점수" $p^*(x)$로 매개변수화됩니다. 경계는 $p^*(x)$의 값과 무관하게 유효합니다. 그러나 $p^*(x)$가 실제 확도 점수 $p(x)$에 가까울 경우, 경계는 날카로워집니다 (기대 폭 측면에서 최적). 이를 통해 연구자들은 추정이 잘못될 경우 유효성을 잃을 위험 없이 사전 지식이나 간단한 추정치 (예: 전역 치료 비율) 를 통합할 수 있습니다.
4. 고차로 일반화: 본 논문은 이러한 경계를 임의의 차수 $q$로 일반화합니다. 경계는 미지의 확도 점수 $p(x)$에 대한 다항식으로 구성됩니다. 이를 실현 가능하게 만들기 위해 $[p(x)]^r$을 포함하는 항들은 동일한 공변량 군집 내의 $r$개의 서로 다른 관측치들로부터의 치료 지표들의 곱으로 대체됩니다.
5. 연속 공변량 처리: 이론적 프레임워크는 반복된 값을 허용하기 위해 이산 공변량을 가정하므로, 저자들은 연속 공변량을 빈 (bins) 으로 그룹화하기 위한 실용적인 군집화 절차 (계층적 응집 군집화) 를 제안합니다. 이는 "유효" 공변량 값들의 유한 집합을 생성하여 경계 적용을 가능하게 합니다.
6. 추론: 저자들은 점근적으로 유효한 신뢰구간을 개발합니다. 그들은 서로 다른 공변량 군집을 유효 표본 크기 ($m$) 로 간주합니다. 유한 표본에서 하한이 상한을 초과할 수 있는 빈 신뢰구간 문제를 해결하기 위해 Stoye (2020) 에 기반한 구간들의 합집합을 구성함으로써, 최종 구간이 결코 비어 있지 않으면서 점근적 커버리지를 유지하도록 보장합니다.

주요 기여

• 새로운 경계: 본 논문은 중첩 조건이나 확도 점수의 일관된 추정을 요구하지 않으면서 제한된 중첩과 고차원 공변량에 강건한 ATE 및 ATT 에 대한 유효한 경계를 유도하는 최초의 체계적인 방법을 제공합니다.
• 오지정 강건성: IPS 추정량과 달리, 이러한 경계는 참조 확도 점수가 오지정되더라도 유효하게 유지됩니다. 이는 참조 점수가 진실에 가까워질수록 좁아지지만 그렇지 않더라도 붕괴되지 않는 "안전망"을 제공합니다.
• 유한 표본 유효성: 이 방법론은 표준 비모수 추정이 실패하는 영역, 즉 서로 다른 공변량 값의 수가 표본 크기에 비해 큰 시나리오를 위해 설계되었습니다.
• 추론 절차: 본 논문은 표본 경계의 점근적 정규성을 확립하고, 비어 있지 않은 유효한 신뢰구간을 구성하기 위한 구체적인 절차를 제공합니다.

결과

• 몬테카를로 실험: 시뮬레이션은 중첩 조건이 성립하고 참조 점수가 정확할 때 제안된 경계가 날카로우며 오라클 추정량과 비교 가능함을 보여줍니다. 중첩이 위반되거나 확도 점수가 오지정될 때, 제안된 경계 (특히 $Q=2, 3$) 는 유익한 정보를 유지하며 부분적 식별을 올바르게 반영하는 반면, 표준 IPS 추정량과 최근접 이웃 매칭은 상당한 편향이나 분산을 보입니다. 경계는 유효성을 유지하면서 구간 폭을 줄임으로써 맨스키 경계를 개선합니다.
• 실증 적용:
  • 우심실 카테터 삽입술 (RHC): Connors 등 (1996) 의 데이터에 적용된 결과, ATT 에 대한 95% 신뢰구간은 $[-0.117, -0.006]$으로 도출되어 0 을 제외하며 부정적 효과 (사망률 증가) 를 시사합니다. 이 결론은 중첩 조건이나 올바르게 지정한 로짓 모델에 의존하지 않고도 유지됩니다.
  • 임시 고용 프로그램: Dehejia-Wahba 하위 표본과 PSID 대조군에 적용되었습니다. Dehejia-Wahba 표본 (무작위화가 유지됨) 의 경우, 경계는 날카로우며 단순 평균 차이와 일치합니다. 반면, PSID 대조군 (중첩이 제한됨) 의 경우, 불확실성을 반영하기 위해 경계가 현저히 넓어지는데, 이는 더 넓은 맨스키 경계와 대조됩니다.

의의 및 주장
저자들은 그들의 방법이 제한된 중첩 하에서 맨스키 경계의 극단적 보수성과 점 추정 방법의 취약성 사이를 타협하는 견고한 대안을 제공한다고 주장합니다. "제한된 풀링"을 허용함으로써, 이 접근법은 확도 점수 추정에 필요한 강력한 데이터 요구 사항 (큰 지역 표본 크기) 을 요구하지 않으면서 무교란성 가정을 활용하여 경계를 좁힙니다. 본 논문은 신뢰할 수 있는 확도 점수 추정이 불가능한 고차원 설정에서 이 방법이 특히 가치 있음을 강조합니다. 저자들은 연속 공변량의 이산화와 관련하여 겸손한 태도를 보이며, 이를 근사 오차를 도입하는 실용적 해결책으로 인정하고 그 공식적 분석은 향후 연구에 맡긴다고 명시합니다. 또한 그들은 고려된 "제한된 풀링" 경계 클래스 내에서 그들의 경계가 최적임을 주장하지만, 모든 conceivable 한 가정 하에서 가능한 전역 최적 경계임을 주장하지는 않는다고 덧붙입니다.