facebookresearch/balance

何を解決するか

balance は、アンケートや観察研究などのデータサンプルにおいて、サンプルがターゲット人口を正確に反映していないというバイアスを軽減するためのパッケージです。これは、サンプリングバイアスや非応答バイアスが存在する場合に発生し、サンプルデータから母集団レベルの特性を推定することが困難になります。

仕組み

このパッケージは、サンプル内の各単位に対して重みを適合および評価するワークフローを実装しています。これらの重みは、特定の回答者がターゲット人口から何人分の人物を表しているかを示し、補助情報（共変量）の分布がターゲット人口と一致するようにサンプルを「バランスさせる」効果があります。

調整に使用できる主な方法は以下の通りです：

• 逆確率重み付け（IPW）：L1（LASSO）正則化を用いる。
• 共変量バランス確率スコア（CBPS）。
• 事後層別化（Post-stratification）。
• ラーキング（Raking）。

また、逆確率重み付き平均（$\mu\hat{}{IPW}$）またはアウトカムモデル推定値（$\mu\hat{}{OM}$）を用いて母集団の結果を推定するためのツールも提供しており、二重ロバスト（AIPW）推定器も利用可能です。

対象ユーザー

研究者、アンケートメソドロジスト、人口統計学者、UX研究者、マーケットリサーチャー、データサイエンティストや機械学習エンジニアで、バイアスのあるサンプルをバランスさせる必要があり、正確な母集団推定を行う必要がある方々を対象としています。

特徴

• 複数の調整方法: IPW、CBPS、ラーキング、ラーキング事後層別化をサポート。
• 包括的な診断ツール: カテゴリカル変数の棒グラフ、密度プロット、QQプロット、および「Loveプロット」を用いて、調整前後での共変量のバランスを可視化。
• 統計的要約: 絶対標準化平均差（ASMD）とKishの設計効果を提供し、重みの品質を評価。
• diff-diff との統合: balance で生成された重みを使用して、差分の差分（Difference-in-Differences）分析を行うための軽量アダプタを提供。
• アウトカム推定: IPWとアウトカムモデル推定器の両方をサポートし、ロバスト性の検証が可能。