DARTS: 예산 제약 순차 실험에서 예측 변수(Prognostic Covariates) 타겟팅

요약

DARTS(Dynamic Adaptive Rerandomization via Thompson Sampling)는 예후 공변량(prognostic covariates) 획득 비용이 제한적인 상황에서 순차적 최적화 문제를 통해 인과 추론을 수행하는 방법론입니다. 이 기법은 공변량 획득을 연속적인 과정으로 보고, 통섬 샘플링(Thompson Sampling)을 활용하여 각 배치마다 가장 예후적으로 유용한 공변량을 식별합니다. 이를 통해 측정 예산 제약 하에서도 높은 정밀도를 유지하며 무작위 배정의 타당성을 보존하는 것이 핵심입니다.

핵심 포인트

• DARTS는 비용이 제한적인 환경에서 고차원 전처리 데이터(covariates)를 활용하여 인과 추론을 수행합니다.
• 통섬 샘플링(Thompson Sampling) 기반의 접근 방식을 사용하여, 순차적으로 가장 정보력이 높은 공변량을 선택하고 재무작위화(rerandomization)에 적용합니다.
• 이 방법은 공변량 적응적 선택이 배치 수준 무작위 배정의 타당성을 유지하며, 누적 역분산 가중 추정량이 명목적 점근 커버리지를 달성함을 이론적으로 증명했습니다.
• 실험적으로 DARTS는 예산을 정보력이 높은 특징에 집중시켜 오라클 설계(oracle designs)와의 효율성 격차를 크게 줄이는 것으로 나타났습니다.