Clustered Switchback Experiments: Near-Optimal Rates Under Spatiotemporal Interference

要約

非定常性、ユニット間（空間）干渉、およびキャリーオーバー効果（時間的干渉）の存在下での実験を考慮し、暴露された平均結果間の差異である全体平均治療効果（GATE）を推定したいと考えています。
すべてのユニットを常に治療または制御できます。
空間的干渉は、ユニットの結果がその近傍の処理割り当てに依存するグラフで記述され、時間的干渉は、いずれかの処理 (アクション) の下での遷移カーネルが急速混合条件を満たす隠れマルコフ決定プロセスで記述されると仮定します。
クラスタ化されたスイッチバック設計を提案します。この設計では、ユニットがクラスタにグループ化され、タイム ステップがブロックにグループ化され、クラスタとブロックの組み合わせ全体に単一のランダムな処理が割り当てられます。
この設計の下では、良好なクラスタリングが認められるグラフでは、切り捨てられた露出マッピングのホーヴィッツ・トンプソン推定器が $\チルダ O(1/NT)$ 平均二乗誤差 (MSE) を達成し、$\Omega(1/
NT)$ 対数項までの下限。
私たちの結果は、Hu, Wager 2022 の $N=1$ 設定 (平均差推定量について示されている MSE 限界を改善) と、Ugander et al 2013 および Leung の $T=1$ 設定を同時に一般化します。
2022. シミュレーション研究により、私たちのアプローチの良好なパフォーマンスが検証されました。

要約(オリジナル)

We consider experimentation in the presence of non-stationarity, inter-unit (spatial) interference, and carry-over effects (temporal interference), where we wish to estimate the global average treatment effect (GATE), the difference between average outcomes having exposed all units at all times to treatment or to control. We suppose spatial interference is described by a graph, where a unit’s outcome depends on its neighborhood’s treatment assignments, and that temporal interference is described by a hidden Markov decision process, where the transition kernel under either treatment (action) satisfies a rapid mixing condition. We propose a clustered switchback design, where units are grouped into clusters and time steps are grouped into blocks and each whole cluster-block combination is assigned a single random treatment. Under this design, we show that for graphs that admit good clustering, a truncated exposure-mapping Horvitz-Thompson estimator achieves $\tilde O(1/NT)$ mean-squared error (MSE), matching an $\Omega(1/NT)$ lower bound up to logarithmic terms. Our results simultaneously generalize the $N=1$ setting of Hu, Wager 2022 (and improves on the MSE bound shown therein for difference-in-means estimators) as well as the $T=1$ settings of Ugander et al 2013 and Leung 2022. Simulation studies validate the favorable performance of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google