Nearest Neighbor Matching as Least Squares Density Ratio Estimation and Riesz Regression

Masahiro Kato。2025年。プレプリント（arXiv:2510.24433）。 English

近傍マッチングは、観察データから処置の効果を推定するときによく使われる古典的な方法です。この研究は、近傍マッチングが密度比推定の一種であるという Lin らの結果を出発点に、近傍マッチング自体が Generalized Riesz Regression のページで扱う Riesz regression の一実装として書けることを示しました。

研究が扱う問題

近傍マッチングは、ある個体について、共変量が近い反対の処置群の個体をいくつか探し、その結果変数の平均で観測できていない潜在結果を埋める方法です。実装は単純で解釈もしやすい一方、統計的な性質は密度比推定やデバイアス機械学習とは別の枠組みで論じられてきました。Lin らが、近傍マッチングを密度比推定から導けることを示して両者を結びつけましたが、そこで提案された密度比推定量が既存のどの方法に当たるのか、また補正項を直接推定するデバイアス機械学習とどうつながるのかは、まだ整理されていませんでした。

提案した方法

示したのは二つの同値性です。第一に、Lin らの密度比推定量は、Kanamori らの LSIF（least-squares importance fitting。密度比を二乗誤差の最小化で直接推定する方法）を、特定のカーネルのもとで使った場合と本質的に同じものになります。第二に、LSIF の定式化から Riesz regression を導けます。この二つを合わせると、近傍マッチングを Riesz regression から導けることになります。

主な結果と成立条件

この対応づけからは二つのことが言えます。一つは、カーネルの取り替え方や収束率など、LSIF について確立されている結果を、そのまま近傍マッチングに持ち込めることです。もう一つは、由来の異なる近傍マッチングまで同じ形で書けたことで、LSIF と Riesz regression の枠組みの広さが裏づけられたことです。議論の前提は、観察研究で標準的に置かれる仮定です。共変量で条件づければ処置が潜在結果と独立になり、傾向スコアは 0 と 1 から離れているものとします。変数の有界性も置いていますが、これは議論を簡単にするためのものです。

先行研究との関係

近傍マッチング推定量の大標本での性質は Abadie と Imbens が調べました（2006年、Large Sample Properties of Matching Estimators for Average Treatment Effects）。Lin、Ding、Han は、マッチされた回数から密度比を推定できることを示し、近傍マッチングを密度比推定の側から捉え直しました（2023年、Estimation Based on Nearest Neighbor Matching: From Density Ratio to Average Treatment Effect）。密度比を二乗誤差の最小化で直接推定する LSIF は Kanamori、Hido、Sugiyama によるものです（2009年、A Least-squares Approach to Direct Importance Estimation）。補正項にあたる Riesz representer を直接推定する Riesz regression は Chernozhukov らが提案しました（2024年、Automatic Debiased Machine Learning via Riesz Regression）。この研究は、別々に発展してきたこれらを同じ推定問題として説明します。

利用できる状況

マッチングで効果を推定してきた現場で、推定量の振る舞いを密度比推定の理論から見直せます。カーネルの選び方を変える、あるいは Riesz regression の実装に置き換えるといった改良の道筋も、同じ枠組みの中で考えられます。

論文と資料

BibTeX

@misc{nearest-neighbor-matching-riesz-regression,
  author       = {Masahiro Kato},
  title        = {Nearest Neighbor Matching as Least Squares Density Ratio Estimation and Riesz Regression},
  year         = {2025},
  eprint       = {2510.24433},
  archivePrefix = {arXiv},
  url          = {https://arxiv.org/abs/2510.24433},
}