[論文レビュー] Empirical Welfare Maximization with Constraints

Liyang Sun|arXiv (Cornell University)|Mar 29, 2021

Healthcare Policy and Management参考文献 18被引用数 4

ひとこと要約

本稿は、不確実なプログラム費用を伴う設定において、Empirical Welfare Maximization（EWM）を拡張する。2つの新しい計量的ルールを提案する：予算の実行可能性を高い確率で保証するミス制御ルール、および利益の増加と費用超過のトレードオフを最適にバランスさせるルール。主な貢献は、不完全な参加率や個人ごとの費用のばらつきによる現実的な予算不確実性のもとで、最適な資格基準選定を可能にすることにある。

ABSTRACT

Empirical Welfare Maximization (EWM) is a framework that can be used to select welfare program eligibility policies based on data. This paper extends EWM by allowing for uncertainty in estimating the budget needed to implement the selected policy, in addition to its welfare. Due to the additional estimation error, I show there exist no rules that achieve the highest welfare possible while satisfying a budget constraint uniformly over a wide range of DGPs. This differs from the setting without a budget constraint where uniformity is achievable. I propose an alternative trade-off rule and illustrate it with Medicaid expansion, a setting with imperfect take-up and varying program costs.

研究の動機と目的

• 既存のEmpirical Welfare Maximization（EWM）手法がプログラム費用を既知と仮定している点に起因するギャップを是正すること。これは、不完全な参加率や個人の多様なニーズのため、現実的ではない。
• 実験データから推定される必要がある実装に必要な予算が不明である状況において、最適な資格基準を特定する統計的ルールを開発すること。
• 選択された資格基準ルールが、漸近的に実行可能（高い確率で予算制約を満たす）かつ漸近的に最適（期待福利を最大化）であることを保証すること。
• 政策立案者に、異なるリスク志向に適合した2つの異なる意思決定ルールを提供すること：保守的（ミス制御）とより能動的（トレードオフ）なルール。
• オregon健康保険実験（OHIE）のデータを用いて、実証的に手法を応用し、予算制約下でのメディケイド拡大政策を導出すること。

提案手法

• ミス制御ルールを提案：期待利益を最大化しつつ、予算違反の確率が事前に指定された水準α未満に抑えられる資格基準を選択する。
• トレードオフルールを構築：予算違反に対して、利益の増加に比例したペナルティを課すことで、利益の増加が費用超過を補うだけの価値がある場合にのみ、非実行可能な基準を選択できるようにする。
• 広範なデータ分布クラスにわたる理論的性質を確立するため、一様漸近的枠組みを用いる。これにより、モデルの誤指定に対してもロバストであることを保証する。
• ミス制御ルールの臨界値を計算するために、利益と費用の推定値の同時分布のガウス近似を用いる。これは、共分散推定の一様一貫性に依存する。
• 手法をOHIEデータセットに適用し、自-reported健康状態を利益の代理変数とし、実験データを用いて費用を推定する。
• トレードオフパラメータλを、統計的生涯価値（VSLY）の保守的推定値を用いてキャリブレーションする。健康状態の改善に伴うQALYの増加に基づき、λ = 1/(0.6 × 100,000) と設定する。

実験結果

リサーチクエスチョン

• RQ1 実装費用が不明であり、実験データから推定しなければならない状況において、福祉プログラムの最適な資格基準をどのように選択できるか？
• RQ2 費用が不確実な状況でも、高い確率で予算制約を満たすように保証する統計的ルールは何か？
• RQ3 予算制約違反のコストと、資格拡大による期待利益の増加を最適にトレードオフするにはどうすればよいか？
• RQ4 提案されたルールが、一様漸近的実行可能性および一様漸近的最適性を満たす条件は何か？
• RQ5 費用の不確実性下で、提案されたルールは標準的なEWM手法と比較して、実行可能性および福利のパフォーマンスにおいてどのように異なるか？

主な発見

• ミス制御ルールは、一様漸近的実行可能性を満たす。これは、標本サイズが大きくなるにつれて、高い確率で実行可能な資格基準のみを選択することを意味する。
• トレードオフルールは、一様漸近的最適性を達成する。これは、一部の基準が予算制約を超過する場合であっても、期待福利を最大化する基準を選択できることを意味する。
• 標準的なEWM手法は、費用の不確実性下では、一様漸近的実行可能性または最適性の両方を満たさない。
• OHIEへの実証的応用において、シミュレーションスタディの結果、トレードオフルールにおける予算違反のコストは著しく高くないことが示され、実用的妥当性を支持する。
• 2つのルールの選択は、政策立案者のリスク志向に合わせるべきである：財政的に保守的な政策立案者にはミス制御ルールが適しており、より広範なカバレッジを求める政策立案者にはトレードオフルールがより適している。