causal - Stratification Randomized Experiments - Sec5

Stratification Randomized Experiments （SRE）

 

Definition: We conduct $K$ independent CREs within the K strata of a discrete covariate $X$.

 

【分层标准：离散协变量$X$】

 

提出SRE的原因：

CRE wtih 离散协变量 X ∈ { 1 , … , K } X\in\{1,\ldots,K\} X∈{1,…,K}，定义

• n [ k ] 1 = # { i : X i = k , D i = 1 } n_{[k]1} = \#\{i : X_i = k, D_i = 1 \} n[k]1​=#{i:Xi​=k,Di​=1}: $X_i=k$的个体里接受治疗的
• n [ k ] 0 = # { i : X i = k , D i = 0 } n_{[k]0} = \#\{i : X_i = k, D_i = 0 \} n[k]0​=#{i:Xi​=k,Di​=0}: $X_i=k$的个体里对照组的

【问题在于：对于不同的$k$而言，可以$k$组内的所有个体都没治疗或者治疗了，这样covariate就不balance了，会导致
$\frac{n_{[k]1}}{n_1}-\frac{n_{[k]0}}{n_0}$差的特别大，因为有的$n_{[k]1}$或者$n_{[k]0}$可以为0.】
???为啥要算这个？因为要在每个层内算 E { Y ( 1 ) − Y ( 0 ) } E\{Y(1)-Y(0)\} E{Y(1)−Y(0)}，所以要✖️在这个层里的$D=1$ or $0$的概率？？

 

那咋整，那就提前固定$n_{[k]1}$或者$n_{[k]0}$，让它不是0就行了

定义within stratum k, the proportion of units receiving the treatment is 治疗比例
$$e_{[k]}=\frac{n_{[k]1}}{n_{[k]}}$$
也叫倾向得分（propensity score）

于是，SRE和CRE的区别就是：SRE的$e_{[k]}$提前固定，但CRE的$e_{[k]}$是随机的。

分层ACE

For stratum $k$, we have stratum-specific average causal effect
$${\tau }_{[k]}=n_{[k]}^{-1}\sum _{i:X_i=k}{\tau }_i$$

故ACE为
$$\begin{gathered} \tau =n^{-1}\sum _{i=1}^n{\tau }_i=n^{-1}\sum _{k=1}^K\sum _{i:X_i=k}{\tau }_i \\ =n^{-1}\sum _{k=1}^K{n}_{[k]}{\tau }_{[k]}=\sum _{k=1}^K\frac{n_{[k]}}{n}{\tau }_{[k]} \\ :=\sum _{k=1}^K{\pi }_{[k]}{\tau }_{[k]} \end{gathered}$$

${\pi }_{[k]}=\frac{n_{[k]}}{n}$: proportion of units in stratum $k$
$e_{[k]}=\frac{n_{[k]1}}{n_{[k]}}$: propensity score in stratum $k$

---

感兴趣的是$\tau$

${\tau }_k$可以用前面的FRT和Neyman’s estimator之类的推断，
$\tau$有类似的FRT和Neymanian inference，就是要考虑${\pi }_{[k]}$进去

 
 
 

【写这个主要是为了后面看propensity score时候用，
因为，记倾向得分为$e(X)$，Theorem 11.1得到
在strong ignorability 下，有

if D ⊥ { Y ( 1 ) , Y ( 0 ) } ∣ X D \bot \{Y(1), Y(0)\}|X D⊥{Y(1),Y(0)}∣X$, then D ⊥ { Y ( 1 ) , Y ( 0 ) } ∣ e ( X ) D \bot \{Y(1), Y(0)\}|e(X) D⊥{Y(1),Y(0)}∣e(X)

那么如果$e(X)$已知且离散的话，其实可以将总体按照$e(X)=e_1,\dots ,e_K$去分层考虑，这样问题就转换成了SRE。】