[論文レビュー] A Bayesian Nonparametric Approach to Geographic Regression Discontinuity Designs: Do School Districts Affect NYC House Prices?

Maxime Rischard, Zach Branson+2 more|arXiv (Cornell University)|Jul 11, 2018

Economic and Environmental Valuation参考文献 14被引用数 7

ひとこと要約

本稿では、地理的回帰不連続デザイン（GeoRDD）を分析するためのベイジアン非パラメトリック枠組みを提案する。ガウス過程回帰を用いることで、複雑な境界に沿った空間的に柔軟な処置効果推定が可能となる。ニューヨーク市における住宅価格への応用では、より好ましい側の学校区画境界において統計的に有意な20%の価格プレミアムが検出された（p = 0.002）。後部分布に基づく仮説検定と代替法による妥当性検証を通じて、強固な因果推論が実現された。

ABSTRACT

Most research on regression discontinuity designs (RDDs) has focused on univariate cases, where only those units with a "forcing" variable on one side of a threshold value receive a treatment. Geographical regression discontinuity designs (GeoRDDs) extend the RDD to multivariate settings with spatial forcing variables. We propose a framework for analysing GeoRDDs, which we implement using Gaussian process regression. This yields a Bayesian posterior distribution of the treatment effect at every point along the border. We address nuances of having a functional estimand defind on a border with potentially intricate topology, particularly when defining and estimating causal estimands of the local average treatment effect (LATE). The Bayesian estimate of the LATE can also be used as a test statistic in a hypothesis test with good frequentist properties, which we validate using simulations and placebo tests. We demonstrate our methodology with a dataset of property sales in New York City, to assess whether there is a discontinuity in housing prices at the border between two school district. We find a statistically significant difference in price across the border between the districts with $p$=0.002, and estimate a 20% higher price on average for a house on the more desirable side.

研究の動機と目的

• 空間的強制変数を伴うGeoRDDを分析する原理的でベイジアン非パラメトリックな手法を開発すること。従来の1次元RDD手法の限界を克服すること。
• 複雑なトポロジーと空間的交絡要因を考慮した、空間境界に沿った任意の点における局所平均処置効果（LATE）を推定すること。
• シミュレーションと代替法による妥当性検証を通じて、モデル誤指定下でも良好な頻度的性質を示す仮説検定の性能を保証すること。
• 特に布鲁ークリンと Queens 地域において、学校区画境界がニューヨーク市の住宅価格に因果的に影響を及ぼしているかどうかを評価すること。
• 二値結果への拡張、異質性の検出、時空間的状況への応用を可能にする、柔軟で拡張可能なGeoRDD用フレームワークを提供すること。

提案手法

• 結果の表面を処置群とコントロール群の両領域で独立にモデル化するため、独立なガウス過程（GPs）とi.i.d.正規ノイズを仮定するガウス過程回帰（GPR）を用いる。
• 定常的な共分散構造を持つ二乗指数カーネルを適用し、空間的相関の非パラメトリックスムージングを可能にするとともに、境界付近での外挿を可能にする。
• 各境界点における後部予測平均の差として、局所平均処置効果（LATE）を推定し、関数的因果推定量を導出する。
• 仮説検定のための検定統計量として、LATEのベイジアン後部分布を用いる。帰無仮説下でのシミュレーションと代替法による妥当性検証を実施する。
• 特にモデル誤指定下での頑健性を評価するため、後部予測チェックとモデル診断を用いる。
• 処置群とコントロール群で別々のハイパーパrameterチューニングを許容することで仮定を緩和し、スペクトルミックスチャネルなどの代替カーネルを検討して外挿性能の向上を図る。

実験結果

リサーチクエスチョン

• RQ1 2つのニューヨーク市学校区画境界において、住宅価格の不連続性が存在するか。これは、学校区画割り当てに因果的効果がある可能性を示唆するか。
• RQ2 ガウス過程を用いたベイジアン非パラメトリックアプローチは、複雑な地理的境界に沿って信頼性が高く空間的に適応的な処置効果推定を可能にするか。
• RQ3 モデル誤指定下で、提案手法はどの程度の性能を示し、仮説検定における適切な第一種過誤率を維持するか。
• RQ4 観察された価格の不連続性は、学校区画の質に起因するものであり、地理的または都市的要因による交絡要因の影響を除いてどの程度解釈できるか。
• RQ5 このフレームワークは、異質な処置効果の検出や、時空間的GeoRDDへの応用に拡張可能か。

主な発見

• 隣接する2つの学校区画境界において、ニューヨーク市住宅価格に統計的に有意な不連続性が確認された。p値は0.002であった。
• 推定された平均処置効果は、学校区画境界のより好ましい側で20%の住宅価格プレミアムに対応する。
• LATEのベイジアン後部分布を用いることで、シミュレーションと代替法による妥当性検証を通じて、良好な頻度的性質を有する妥当な仮説検定が可能となった。
• 空間的交絡を回避し、局所的な空間的変動を捉える点で、標準的な投影1次元RDDよりも優れた性能を示した。
• 代替法による検証では、モデル仮定がわずかに違反されても、帰無仮説下で適切な第一種過誤率を維持していることが確認された。
• 本手法は、特に外挿と定常性の仮定に敏感であるため、代替手順による慎重な妥当性検証が不可欠である。