[論文レビュー] Efficient Difference-in-Differences Estimation with High-Dimensional Common Trend Confounding

Michael Zimmert|arXiv (Cornell University)|Sep 5, 2018

Advanced Causal Inference Techniques参考文献 34被引用数 7

ひとこと要約

本稿では、高次元の共通トレンド交絡要因下での差分の差分（DiD）モデルに対して、半パラメトリック効率影響関数を導出することにより、効率的で二重ロバストな推定量を開発する。これにより、第一段階のヌイアンス推定に機械学習を適用しながらも、 asymptotic な妥当性と効率性を維持でき、共変数が高次元的であるか、結果と非線形に関連している場合でも有効である。

ABSTRACT

This study considers various semiparametric difference-in-differences models under different assumptions on the relation between the treatment group identifier, time and covariates for cross-sectional and panel data. The variance lower bound is shown to be sensitive to the model assumptions imposed implying a robustness-efficiency trade-off. The obtained efficient influence functions lead to estimators that are rate double robust and have desirable asymptotic properties under weak first stage convergence conditions. This enables to use sophisticated machine-learning algorithms that can cope with settings where common trend confounding is high-dimensional. The usefulness of the proposed estimators is assessed in an empirical example. It is shown that the efficiency-robustness trade-offs and the choice of first stage predictors can lead to divergent empirical results in practice.

研究の動機と目的

• 従来のパラメトリック手法が失敗する、差分の差分（DiD）モデルにおける高次元的共通トレンド交絡要因の課題に対処すること。
• さまざまなモデル仮定の下で、半パラメトリック効率限界と影響関数を導出し、ロバスト性と効率性のトレードオフを明らかにすること。
• 第一段階のヌイアンス推定（例：結果モデルや適合度スコアモデル）に柔軟な機械学習手法を適用可能にするとともに、漸近的性質を保つこと。
• 推定量の性能が第一段階の予測子およびスコア関数の選択に極めて敏感であることを示すこと、特に有限標本において顕著である。
• 異なるモデル仮定の下で効率性、ロバスト性、実証的性能を比較することにより、推定量選択の実用的指針を提供すること。

提案手法

• 処置群、時刻、共変数の連合分布に関するさまざまな仮定の下で、DiDモデルの効率的影響関数を導出する。
• 文献[37, 38]および[9]の半パラメトリック理論を用い、弱い正則性条件のもとで効率限界を確立し、それを達成する推定量を構築する。
• 効率的影響関数と高次元的で柔軟な第一段階推定器（例：アンサンブル学習）を組み合わせることで、二重機械学習フレームワークを適用する。
• 高次元的設定におけるバイアス低減と有効な推論を確保するため、クロスフィットを実装する。
• モデル誤指定や異なるデータ構造下での推定量性能を評価するために、プラセボテストおよびモンテカルロシミュレーションを用いる。
• パネルデータとクロスセクショナルデータの有無を変化させた4つの異なるモデル設定（CS-1～CS-4）において推定量を比較する。

実験結果

リサーチクエスチョン

• RQ1 共変数の役割に関するモデル仮定の選択が、DiDモデルにおける半パラメトリック効率限界にどのように影響を与えるか？
• RQ2 高次元的交絡要因下のDiDモデルに対して、効率的影響関数を導出可能か？また、それらは機械学習を用いたロバストで効率的な推定を可能にするか？
• RQ3 データ生成過程に関する強い仮定と弱い仮定の間で、推定の効率性とロバスト性のトレードオフはどのように変化するか？
• RQ4 パラメトリックモデルとアンサンブル学習器などの異なる第一段階推定器が、DiD推定量の有限標本性能および標準誤差にどのように影響を与えるか？
• RQ5 高次元的交絡要因下のDiD設定において、パネルデータの可用性がクロスセクショナルデータに比べてどの程度効率性を向上させるか？

主な発見

• 半パラメトリック効率限界はモデル仮定に極めて敏感であり、明確なロバスト性と効率性のトレードオフが明らかになった：強い仮定は低い分散限界をもたらす。
• 異なる仮定の下で導出された効率的影響関数に基づく推定量は、弱い第一段階収束条件のもとで、レート二重ロバストかつ漸近正規分布に従う。
• アンサンブル学習器（例：Super Learner）に基づく推定量は、共変数を増やすと安定的で効率的かつしばしば有意でない結果をもたらす。これは情報の効果的利用を示している。
• 一方、パラメトリック第一段階モデル（例：線形／ロジスティック回帰）は、共変数集合が拡大する際、クロスフィットを適用しても発散または極端な結果を示す。
• スコア関数の選択（例：効率的スコア vs. ロバストスコア）は標準誤差に顕著な影響を与える：例えば、設定（CS-4）におけるスコアは、効率的スコアよりも顕著に高い標準誤差をもたらす。
• プラセボテストの結果、アンサンブル学習器を用いた推定量のみが信頼性と安定性を維持しており、実務において第一段階の予測品質の重要性が浮き彫りになった。