Technische Samenvatting: Een Verenigd Kader voor Rerandomisatie met behulp van Kwadratische Vormen

Probleemstelling

Bij het ontwerp van gerandomiseerde experimenten is het waarborgen van covariantiebalans tussen behandelings- en controlegroepen cruciaal om de standaardfouten te verkleinen en de statistische kracht te vergroten. Hoewel blokvorming effectief is voor categorische variabelen, heeft het moeite met hoogdimensionele continue covarianties. Rerandomisatie pakt dit aan door toewijzingen van behandelingen te randomiseren totdat een vooraf gespecificeerd niveau van covariantiebalans is bereikt.

Historisch gezien vertrouwen de meeste methoden voor rerandomisatie op de Mahalanobis-afstand (Morgan en Rubin, 2012), die een inverse covariantie-matrix ($\Sigma^{-1}$) als weging-matrix gebruikt. Echter, in hoogdimensionele settings past Mahalanobis-rerandomisatie een gelijke procentuele variantiereductie toe op alle covarianties. Naarmate de dimensionaliteit ($d$) toeneemt, nadert de variantiereductieterm de 1, waardoor de methode ineffectief wordt. Hoewel extensies zoals Ridge Rerandomization (Branson en Shao, 2021) en PCA Rerandomization (Zhang et al., 2024) proberen dit te mitigeren door specifieke eigenvectoren prioriteit te geven, vereisen zij afstemmingsparameters of willekeurige afkapwaarden. Bovendien gaan bestaande optimaliteitsresultaten vaak uit van kennis over de relatie tussen covarianties en uitkomsten (bijv. Liu et al., 2025), wat zelden beschikbaar is voorafgaand aan een experiment.

Methodologie

De auteurs stellen een verenigd kader voor waarbij rerandomisatie wordt gedefinieerd door een algemene kwadratische vorm balansmetriek:
$$Q_A(\sqrt{n}\hat{\tau}_X) = (\sqrt{n}\hat{\tau}_X)^T A (\sqrt{n}\hat{\tau}_X)$$
waarbij $\hat{\tau}_X$ de vector van gemiddelde verschillen in covarianties is, en $A$ een vaste, niet-nul, positief semi-definite matrix is ($A \in S^d_+$).

Het artikel leidt algemene theoretische resultaten af voor elk dergelijk schema onder het potentieel-uitkomsten-kader (potential outcomes framework), uitgaande van vaste covarianties $X$ en potentiële uitkomsten. De analyse steunt op twee voorwaarden:

1. Conditie 1: Eindige-populatie varianties en covarianties van uitkomsten en covarianties zijn goed gedefinieerd en hebben limiterende waarden.
2. Conditie 2: Het rerandomisatie-criterium is symmetrisch in de toewijzing van behandelingen en legt een niet-nul waarschijnlijkheid op aan sommige toewijzingen.

De auteurs maken gebruik van de eigenstructuur van de covariantie-matrix van de gemiddelde verschillen in covarianties ($\Sigma$) en de matrix $\Sigma^{1/2}A\Sigma^{1/2}$ om de asymptotische distributie van de gerandomiseerde estimator te karakteriseren.

Belangrijkste Bijdragen

1. Algemene Theoretische Resultaten

De auteurs leiden de asymptotische covariantie van covariantie-gemiddelde verschillen af onder elke kwadratische vorm rerandomisatie (Theorem 1). Ze tonen aan dat de covariantie-matrix geroteerd en geschaald wordt door variantiereductiefactoren $\nu_{j,\eta}$, die afhangen van de eigenwaarden van $\Sigma^{1/2}A\Sigma^{1/2}$. Dit kader maakt het mogelijk om snel eigenschappen van bestaande methoden (Mahalanobis, Ridge, PCA) te herleiden en nieuwe schema's te analyseren.

2. Optimaliteit voor Covariantiebalans (Zonder Informatie over Uitkomsten)

Het artikel stelt optimale keuzes voor $A$ vast op basis van louter covariantie-eigenschappen, zonder kennis te vereisen over de relatie met de uitkomst ($\beta$):

• Minimalisering van de Frobenius-norm: De Euclidische afstand ($A = I_d$) minimaliseert de Frobenius-norm van de covariantie-matrix van de gemiddelde verschillen in covarianties (Theorem 2). Dit zorgt ervoor dat alle richtingen van variatie een gelijke grootte hebben na rerandomisatie.
• Maximalisering van de Totale Variantiereductie: De Mahalanobis-afstand ($A = \Sigma^{-1}$) maximaliseert de totale variantiereductie over alle hoofdcomponenten (Theorem 3).

3. Optimaliteit voor het Schatten van het Gemiddelde Behandelingseffect (ATE)

De auteurs koppelen de keuze van $A$ aan de variantie van de verschil-in-gemiddelden estimator ($\hat{\tau}$).

• Oracle Optimaliteit: Indien de relatie tussen covarianties en uitkomsten ($\beta$) bekend zou zijn, zou de optimale matrix $A^* = \beta\beta^T$ zijn (Theorem 5). Deze weegt de gemiddelde verschillen in covarianties volgens hun voorspellende kracht voor de uitkomst.
• Minimax Optimaliteit: Omdat $\beta$ doorgaans onbekend is, bewijzen de auteurs dat Euclidische Rerandomisatie ($A = I_d$) minimax optimaal is (Theorem 6). In die zin dat de precisie van de estimator nooit "te ver" verwijderd is van de optimale keuze, ongeacht de ware relatie tussen de covarianties en de uitkomsten. Dit maakt Euclidische Rerandomisatie tot een robuuste "veilige" keuze wanneer informatie over de uitkomst niet beschikbaar is.

4. Selectieregels voor Hoofdcomponenten

Het artikel breidt het kader uit naar het selecteren van de top $k$ hoofdcomponenten. Het leidt een kosten-baten beslissingsregel af (Vergelijking 8) voor het kiezen van $k$ wanneer $\beta$ onbekend is, die de variantiereductie op de top componenten afweegt tegen het verlies aan reductie op de weggegooide componenten. Dit wordt de Gewogen Eigenwaarde-regel genoemd.

Resultaten

Simulatiestudie

De auteurs voerden simulaties uit over variërende dimensies ($d$) en eigenwaarde-distributies (ijle/sparse, gemiddeld, uniform) met verschillende relaties tussen hoofdcomponenten en uitkomsten:

• IJle Eigenwaarden: Wanneer eigenwaarden ijle (sparse) zijn en uitkomsten afhangen van de onderste hoofdcomponenten, presteert Mahalanobis-rerandomisatie beter dan andere methoden. Echter, als uitkomsten afhangen van de bovenste componenten, presteert Mahalanobis slecht.
• Robuustheid: Euclidische Rerandomisatie bood consistent de op één na beste variantiereductie in alle settings en was het beste in het beperken van de covariantie-matrix. Het vertoonde een superieure robuustheid vergeleken met Mahalanobis, dat aanzienlijk leed onder settings waarin zijn aannames (gelijke weging) niet overeenkwamen met de uitkomststructuur.
• Gekwadrateerde Euclidische Afstand: Door $A = \Sigma$ (Gekwadrateerde Euclidische afstand) te stellen, worden de top eigenwaarden zwaarder gewogen, wat goed presteerde wanneer de top componenten voorspellend waren, maar het miste de robuustheid van de standaard Euclidische rerandomisatie.

Toepassing op Werkelijke Data

Met behulp van een gerandomiseerde gecontroleerde studie naar mentorschap voor Duitse adolescenten ($n=308, d=21$), construeerden de auteurs synthetische niet-lineaire en niet-additieve potentiële uitkomsten.

• Bevindingen: De eigenwaarden van de covarianties waren relatief uniform. In deze setting presteerden alle methoden vergelijkbaar, maar leverde Euclidische Rerandomisatie de laagste variantie op (0.565 ten opzichte van volledige randomisatie), gevolgd door de Gekwadrateerde Euclidische afstand (0.576).
• Implicatie: De resultaten komen overeen met de theoretische claim dat Euclidische rerandomisatie minimax optimaal en robuust is, vooral wanneer de eigenstructuur de specifieke subset van componenten niet sterk bevoordeelt.

Betekenis en Claims

Het artikel beweert een algemeen theoretisch kader te bieden dat bestaande rerandomisatiemethoden verenigt onder de paraplu van kwadratische vormen. De primaire betekenis ligt in:

1. Praktische Begeleiding: Het biedt heldere, theoretisch gefundeerde begeleiding aan beoefenaars over hoe de matrix $A$ te kiezen wanneer informatie over de uitkomst niet beschikbaar is. Specifiek pleit het voor Euclidische Rerandomisatie als een minimax optimale strategie die de valkuilen van de hoogdimensionele Mahalanobis-afstand vermijdt terwijl de robuustheid behouden blijft.
2. Brug tussen Theorie en Praktijk: Het vult een gat in de literatuur door optimaliteitsresultaten af te leiden die niet afhankelijk zijn van voorkennis over de relatie tussen de uitkomst en de covarianties, een veelvoorkomende beperking in eerder werk (bijv. Liu et al., 2025).
3. Methodologische Expansie: Het toont aan dat de keuze van $A$ de eigenstructuur van de resulterende covariantie-matrix bepaalt, waardoor onderzoekers in staat zijn om rerandomisatiestrategieën op maat te maken (bijv. via Gekwadrateerde Euclidische of PCA-regels) op basis van de specifieke eigenstructuur van hun data en eerdere overtuigingen over de relaties met de uitkomsten.

De auteurs blijven bescheiden en merken op dat hun resultaten specifiek van toepassing zijn op rerandomisatieschema's die uit te drukken zijn als kwadratische vormen en dat zij niet noodzakelijkerwijs niet-kwadratische ontwerpstrategieën (zoals kernel allocatie) uitsluiten als superieur. Zij suggereren dat toekomstig werk dit kader kan uitbreiden naar multi-arm experimenten en sequentiële ontwerpen.