Sharp variance estimator and causal bootstrap in stratified randomized experiments

技术摘要：分层随机实验中的精确方差估计量与因果自助法

问题陈述
分层随机实验是估计处理效应的标准设计，其依赖于基于随机化的有限总体推断。虽然结合正态近似的 Neyman 型方差估计量可提供有效的推断，但它往往过于保守，导致置信区间过宽。此外，在样本量较小或结果偏斜的设定下，正态近似可能无法准确捕捉抽样分布。因果推断中现有的自助法（bootstrap）通常在超总体框架下运行，其中随机性源于抽样和处理分配。然而，在仅由处理分配产生随机性的有限总体设计中，这些标准自助法的有效性和表现尚不明确。此外，在配对实验（大小为二的层）中会出现特定挑战，传统的保秩插补方法无法生成非退化的自助分布。

方法论
作者提出了一个框架，包含一个精确方差估计量和两种专为基于设计推断而定制的因果自助程序。

1. 精确方差估计量：
   本文针对加权均值差估计量引入了一个精确方差估计量。该估计量通过利用 Aronow 等人（2014）推导出的协方差项 $S_{[m]Y(1),Y(0)}$ 的精确上界，改进了 Neyman 型方法。在每一层内，该估计量整合了潜在结果逆经验分布函数乘积的积分。作者利用无放回抽样的集中不等式（Bobkov, 2004）推导了 Glivenko–Cantelli 型定理，从而在层数和/或层大小趋于无穷的一般渐近情形下，确立了该估计量的一致性。

2. 基于保秩插补的因果自助法：
   为了解决有限样本问题并实现二阶修正，作者提出了一种因果自助法。与超总体自助法不同，该方法将潜在结果视为固定，并根据原始实验设计重采样处理分配。

   • 插补： 在每一层内，利用保秩方法对未观测到的潜在结果进行插补。具体而言，如果一个单位在 treated 组中被观测到，则将其在观测到的处理组分布中的秩映射到控制组分布，从而插补其控制潜在结果（反之亦然）。这确保了插补结果具有共单调性，将估计量的方差最大化至精确上界。
   • 程序： 该方法通过重复重采样处理分配并计算加权均值差及精确方差估计量，生成枢轴统计量的自助分布。
   • 理论保证： 作者证明，在层大小足够大（至少包含两个处理单元和两个控制单元）的条件下，该自助分布相对于正态近似提供了二阶修正，其收敛速率为 $o_P(n^{-1/2})$，而正态近似的收敛速率为 $O(n^{-1/2})$。

3. 基于恒定处理效应插补的因果自助法：
   鉴于保秩插补在配对实验（层大小为二）中失效，作者提出了第二种因果自助法。

   • 插补： 假设每一对内的处理效应恒定（$\Delta = \hat{\tau}$），对未观测到的潜在结果进行插补。
   • 程序： 根据配对设计重采样处理分配，并使用配对实验的 Neyman 型方差估计量计算枢轴统计量。
   • 理论保证： 即使恒定处理效应假设对真实潜在结果不成立，该方法也被证明是有效的，这依赖于使用学生化统计量以确保渐近有效性。

主要贡献

• 精确方差估计量： 本文确立了分层随机实验中精确方差估计量的正式理论结果，适应了层数增加和层大小增加两种渐近情形。
• 二阶修正： 作者证明，基于保秩插补的因果自助法在分层实验中相对于正态近似提供了二阶修正，在有限样本中提供了更准确的覆盖概率和更窄的置信区间。
• 配对实验解决方案： 提出了一种专门针对配对实验的、基于恒定处理效应插补的新型因果自助法，克服了保秩方法在此设定下的退化问题。
• 基于设计的框架： 分析严格基于随机化，仅依赖处理分配的随机性而非假设的超总体抽样，与 Fisher 和 Neyman 倡导的基于设计推断理念相一致。

结果

• 模拟研究： 数值研究表明，所提出的精确方差估计量结合因果自助法（Sharp+Bootstrap）实现了标称覆盖概率（95%），同时与传统 Neyman+Normal 方法相比显著缩短了置信区间长度。在结果偏斜或样本量较小的情景下，效率提升尤为明显。
• 真实数据应用：
  • 大麻戒断试验： 在一项分层临床试验中，Sharp+Bootstrap 方法在保持有效覆盖的同时，将置信区间长度缩短了 8.8%，优于 Neyman+Normal 方法。
  • 墨西哥公共卫生实验： 在一项配对集群实验中，恒定处理效应自助法相对于正态近似将区间长度缩短了 16.1%，证明了其在存在偏斜结果和异常值时的优越性能。

意义
本文声称，所提出的方法增强了复杂实验设计中因果推断的可靠性和效率。通过提供在有限总体框架内严格运行的精确方差估计量和有效的因果自助程序，作者提供了对模型误设具有鲁棒性且在正态近似可能失效的有限样本中表现良好的工具。R 语言包（CausalBootstrap）的可用性促进了这些方法的实际应用。这项工作填补了关于分层和配对设计中因果自助法理论性质的文献空白，为基于超总体的推断提供了严谨的替代方案。