[論文レビュー] A Negative Correlation Strategy for Bracketing in Difference-in-Differences

Ting Ye, Luke Keele+2 more|arXiv (Cornell University)|Jun 3, 2020

Advanced Causal Inference Techniques参考文献 30被引用数 10

ひとこと要約

本稿は、差分の差分（DID）分析における新たな負の相関戦略を提案する。この戦略は、処置群に対して負に相関する結果トレンドを示す2つのコントロールグループを用い、処置群の平均処置効果（ATT）の境界を定める。この相関を活用することで、部分的同定のためのユニオンバウンズ形式を構築し、一様漸近的妥当性を保証する新しいブートストラップ推論手順を開発するとともに、偽装検定と感度分析を提供し、平行トレンド仮定が破綻した場合のロバストネスを向上させる。

ABSTRACT

The method of difference-in-differences (DID) is widely used to study the causal effect of policy interventions in observational studies. DID employs a before and after comparison of the treated and control units to remove bias due to time-invariant unmeasured confounders under the parallel trends assumption. Estimates from DID, however, will be biased if the outcomes for the treated and control units evolve differently in the absence of treatment, namely if the parallel trends assumption is violated. We propose a general identification strategy that leverages two groups of control units whose outcomes relative to the treated units exhibit a negative correlation, and achieves partial identification of the average treatment effect for the treated. The identified set is of a union bounds form that involves the minimum and maximum operators, which makes the canonical bootstrap generally inconsistent and naive methods overly conservative. By utilizing the directional inconsistency of the bootstrap distribution, we develop a novel bootstrap method to construct confidence intervals for the identified set and parameter of interest when the identified set is of a union bounds form, and we theoretically establish the asymptotic validity of the proposed method. We develop a simple falsification test and sensitivity analysis. We apply the proposed strategy for bracketing to study whether minimum wage laws affect employment levels.

研究の動機と目的

• 処置群の結果動態に非定型的な差が生じる場合に、DID分析で一般的に生じる平行トレンド仮定の破綻という課題に対処すること。
• 処置群の結果トレンドに対して負に相関するトレンドを示す2つのコントロールグループを用いて、ATTを境界づける一般化された同定戦略を開発すること。
• 最小/最大演算子によって生成されるユニオンバウンズ形式における、パrameter of interestのための一様に有効なブートストラップ推論手法を新たに開発し、標準的ブートストラップおよび保守的アプローチの限界を克服すること。
• 平行トレンド仮定の破綻下でも、DID推定値のロバストネスを評価可能な実用的な感度分析および偽装検定を可能にすること。
• 労働経済学および公衆衛生分野への適用可能性を示すこと。特に、景気循環やドラッグ・エピデミックなどの未測定の交絡要因に差異のある曝射を受ける状況において有効である。

提案手法

• 処置群の結果トレンドに対して負に相関する結果トレンドを示す2つのコントロールグループの未処置潜在的結果を用いたバウンディング戦略を提案する。
• 最小および最大演算子を用いて、2つのコントロールグループから導かれる境界を反映する、ATTの同定集合を区間の和集合として定式化する。
• ブートストラップ分布における方向的不整合を考慮した、同定集合および関心パラメータのための一様に有効な信頼区間を構築する新しいブートストラップ手法を開発する。
• このブートストラップ手法は計算が単純で、一般のユニオンバウンズ形式に適用可能であり、従来のアプローチに見られる過剰な保守性を回避する。
• ブートストラップ分布の方向的不整合を考慮した偽装検定および感度分析を統合し、負の相関仮定からの逸脱下での結果のロバストネスを評価する。
• 理論的基盤により、ユニオンバウンズ構造下でのブートストラップ推論の一様漸近的妥当性が保証される。

実験結果

リサーチクエスチョン

• RQ1 処置群の結果に対して負に相関する2つのコントロールグループの結果トレンドを活用することで、平行トレンド仮定が破綻する状況下でも、DIDにおける同定を改善できるか？
• RQ2 最小/最大演算子によって生成されるユニオンバウンズ形式をとる同定集合の下で、関心パラメータのための有効な推論をどのように行えるか？
• RQ3 平行トレンド仮定の破綻が、標準的DID推定値に与える影響は何か？また、バウンディング手法はこのバイアスをどのように緩和できるか？
• RQ4 従来の方法（例：パーセンタイルブートストラップやインターセクション・ユニオン検定）と比較して、提案手法のブートストラップ手法は、カバレッジと保守性の観点でどのように性能を発揮するか？
• RQ5 この手法は未測定の交絡要因に対してどれほどロバストか？また、偽装検定および感度分析は、結果の妥当性を検証するためにどのように活用できるか？

主な発見

• 提案されたバウンディング戦略は、処置群の結果に対して負に相関するトレンドを示す2つのコントロールグループを用いることで、処置群の平均処置効果（ATT）を適切に境界づけることに成功し、平行トレンド仮定が成立しない場合のロバストな代替手法を提供する。
• 最低賃金の応用例では、1974年のFLSAが雇用に顕著な効果を及ぼさないことが判明し、ATTの95％信頼区間は、雇用率の対数値で-0.029よりさらに負の効果を含まないことを示した。
• 同定集合および関心パラメータの信頼区間がほぼ一致しており、測定誤差に対して境界がきつかったことが示され、ブートストラップ手法が高精度な推論を提供した。
• 提案されたブートストラップ手法は、一様漸近的妥当性を達成し、標準的ブートストラップおよびインターセクション・ユニオンアプローチで一般的に見られる過剰な保守性を回避した。
• この手法は、労働経済学を越えて、フェンタニルなどのショックに差異のある曝射を受ける公衆衛生研究にも適用可能であり、曝射のタイミングと強度に基づいてコントロールグループを選択可能である。
• 偽装検定および感度分析により、結果のロバストネスが確認され、最低賃金の応用例における負の相関仮定の妥当性が支持された。