Balancing Covariates in Survey Experiments

Resumo Técnico: Equilíbrio de Covariáveis em Experimentos de Pesquisa

Declaração do Problema
Experimentos de pesquisa são amplamente considerados o padrão-ouro para estimar efeitos de tratamento em populações-alvo, combinando amostragem aleatória com atribuição aleatória de tratamento. Embora a amostragem aleatória simples e a randomização completa equilibrem as covariáveis em média, amostras finitas frequentemente exibem desequilíbrio de covariáveis. Esse desequilíbrio ocorre tanto entre as unidades amostradas e a população-alvo (fase de amostragem) quanto entre os grupos de tratamento e controle (fase de atribuição). Tais desequilíbrios podem levar a viés condicional e aumento da variabilidade nas estimativas de efeitos de tratamento. Embora a estratificação seja uma técnica padrão para melhorar a representatividade e a eficiência, e a amostragem rejeitativa ou a rerandomização sejam utilizadas para equilibrar covariáveis, a literatura existente não explorou plenamente a teoria assintótica baseada no desenho para combinar esses métodos em um cenário geral de experimento de pesquisa, particularmente ao permitir números divergentes de estratos e frações de amostragem tendendo a zero.

Metodologia
Os autores propõem um desenho experimental de Amostragem Rejeitativa Estratificada e Rerandomizada (SRSRR). Esta abordagem em duas etapas integra três mecanismos distintos:

1. Estratificação: A população é partitionada em estratos com base em covariáveis preditivas.
2. Amostragem Rejeitativa Estratificada: Na fase de amostragem, as unidades são extraídas por meio de amostragem aleatória estratificada. No entanto, as amostras são rejeitadas se a distância de Mahalanobis entre a média ponderada da amostra de covariáveis pré-amostragem ($W$) e a média da população exceder um limiar pré-especificado ($a_S$). Isso garante que a amostra seja representativa da população em relação a $W$.
3. Rerandomização Estratificada: Na fase de atribuição de tratamento, as unidades amostradas são atribuídas ao tratamento ou controle por meio de randomização estratificada. As atribuições são rejeitadas se a distância de Mahalanobis entre as médias dos grupos de tratamento e controle de covariáveis da fase de atribuição ($X$) exceder um limiar ($a_T$).

O artigo desenvolve uma teoria assintótica baseada no desenho para o estimador de diferença de médias estratificado ($\hat{\tau}$) sob este desenho. O quadro teórico permite um regime assintótico geral onde o número de estratos ($K_N$) e os tamanhos dos estratos ($N_{[k]}$) podem divergir, e a fração de amostragem ($f = n/N$) pode tender a zero. Os autores empregam uma técnica de acoplamento de Hájek para reduzir o estimador a uma soma de variáveis aleatórias independentes, tratando a aleatoriedade conjunta da amostragem e da atribuição de tratamento.

Além disso, os autores propõem um método de ajuste de covariáveis na fase de análise. Este estimador linearmente ajustado ($\hat{\tau}_{adj}$) utiliza covariáveis adicionais coletadas na fase de análise ($E$ para a população e $C$ para a amostra) para reduzir ainda mais o desequilíbrio residual.

Principais Contribuições

1. Teoria Assintótica Baseada no Desenho para Randomização Estratificada: O artigo estabelece que, sob amostragem aleatória estratificada e atribuição, o estimador de diferença de médias estratificado é consistente e assintoticamente normal. Deriva a variância assintótica e fornece condições para proporções ótimas de amostragem e tratamento específicas de estrato para minimizar essa variância.
2. Teoria Assintótica para SRSRR: Os autores derivam a distribuição limite de $\hat{\tau}$ sob o desenho SRSRR. Diferentemente de desenhos padrão, essa distribuição limite não é normal; demonstra-se ser uma convolução de uma distribuição normal e duas distribuições normais truncadas. Essa distribuição está mais concentrada em torno do verdadeiro efeito médio de tratamento do que a de desenhos estratificados padrão.
3. Parâmetros Ótimos de Desenho: O artigo fornece resultados teóricos para determinar proporções ótimas de amostragem específicas de estrato ($f_{[k]}$) e proporções de tratamento ($e_{[k]1}$) para minimizar a variância assintótica, tanto com quanto sem ajuste de covariáveis.
4. Ajuste de Covariáveis: O estudo demonstra que um estimador linearmente ajustado usando covariáveis da fase de análise é assintoticamente mais eficiente do que o estimador não ajustado sob desenhos estratificados padrão e SRSRR. Fornece estimadores de variância conservadores e intervalos de confiança válidos para esses estimadores ajustados.

Resultados

• Achados Teóricos:
  • A variância assintótica do estimador SRSRR é estritamente menor do que a do experimento de pesquisa randomizado estratificado (SRSE), com a redução dependendo dos quadrados das correlações múltiplas entre o estimador de efeito de tratamento e os desequilíbrios de covariáveis ($R^2_W$ e $R^2_X$).
  • A distribuição limite de $\sqrt{n}(\hat{\tau} - \tau)$ sob SRSRR é uma convolução de uma variável normal e duas variáveis normais truncadas, que estão mais concentradas em zero do que as variáveis normais correspondentes.
  • O estimador ajustado por covariáveis proposto ($\hat{\tau}_{adj}$) alcança a menor variância assintótica entre a classe de estimadores linearmente ajustados.
• Estudos Numéricos:
  • Simulações em diversos cenários (estratos pequenos, estratos grandes e mistos) confirmam que o SRSRR reduz significativamente o desvio padrão e o erro quadrático médio (RMSE) em comparação com desenhos completamente randomizados e estratificados padrão.
  • Em experimentos com dados sintéticos, a combinação de estratificação, amostragem rejeitativa e rerandomização reduziu o desvio padrão em aproximadamente 30,6% em relação a uma base completamente randomizada.
  • O ajuste por regressão proporcionou ganhos adicionais de eficiência, reduzindo os desvios padrão de 21% a 49% em relação aos estimadores não ajustados.
  • A análise com dados reais utilizando o Estudo Eleitoral Cooperativo do Congresso (CCES) corroborou esses achados, mostrando que o SRSRR e o ajuste de covariáveis levam a intervalos de confiança mais curtos e eficiência aprimorada em comparação com abordagens não estratificadas ou não ajustadas.

Significado
O artigo afirma que o desenho SRSRR proposto e os métodos de análise associados oferecem um quadro robusto para melhorar a precisão das estimativas de efeitos de tratamento em experimentos de pesquisa. Ao abordar explicitamente o desequilíbrio de covariáveis tanto na fase de amostragem quanto na de atribuição, o método aprimora a representatividade da amostra e o equilíbrio entre os grupos de tratamento. O desenvolvimento de uma teoria assintótica baseada no desenho que acomoda estratos divergentes e frações de amostragem tendendo a zero estende a aplicabilidade desses métodos a uma ampla gama de cenários práticos de pesquisa. Os autores enfatizam que sua abordagem é puramente baseada no desenho, o que significa que a validade das estimativas e dos procedimentos de inferência não depende da especificação correta de um modelo subjacente de resultado. O fluxo de trabalho em etapas proposto — estratificação, seguida por amostragem rejeitativa e rerandomização, e finalmente ajuste por regressão — é apresentado como uma estratégia prática para maximizar a eficiência da estimação.