[論文レビュー] Estimating Counterfactual Matrix Means with Short Panel Data

Lihua Lei, Brad Ross|arXiv (Cornell University)|Dec 12, 2023

Spatial and Panel Data Analysis被引用数 4

ひとこと要約

本稿では、欠損した結果を伴う短いパネルデータにおける反事後的行列平均を推定するための新規手法を提案する。低ランク要因モデルを活用することで、一般化された欠損パターンに対応可能であり、固定された結果次元下で一貫性があり、漸近正規性を満たす推定が可能となる。計算的にも効率的な推論が、集約された要因推定値の1回の固有値分解によって実現され、半実験的シミュレーションにおいてTWFEに基づく推定器を上回る性能を示す。

ABSTRACT

We develop a spectral approach for identifying and estimating average counterfactual outcomes under a low-rank factor model with short panel data and general outcome missingness patterns. Applications include event studies and studies of outcomes of "matches" between agents of two types, e.g. people and places, typically conducted using less-flexible Two-Way Fixed Effects (TWFE) models of outcomes. Given finite observed outcomes per unit, we show our approach identifies all counterfactual outcome means, including those not identified by existing methods, if a particular graph algorithm determines that units' sets of observed outcomes have sufficient overlap. Our analogous, computationally efficient estimation procedure yields consistent, asymptotically normal estimates of counterfactual outcome means under fixed-$T$ (number of outcomes), large-$N$ (sample size) asymptotics. When estimating province-level averages of held-out wages from an Italian matched employer-employee dataset, our estimator outperforms a TWFE-model-based estimator.

研究の動機と目的

• 大規模クロスセクションにおいて、各単位ごとに僅か数個の結果しか観測されない状況で、反事後的結果を推定する課題に対処すること。
• 従来の要因モデルに基づくアプローチがカバーできない、一般化された結果の欠損パターンを扱える手法を開発すること。
• 低次元の未観測交絡要因が存在する下で、反事後的平均の一致推定と漸近正規性を実現すること。
• 集約された要因推定値の1回の固有値分解のみを要するようにすることで、計算上の効率性を確保すること。
• 要因モデルの柔軟性とTWFE推定器の頑健性の間のギャップを、短いパネル設定において埋めること。

提案手法

• 結果を低ランク要因モデルで表現し、複数次元の未観測交絡要因が結果ごとに異なる影響を及えることを許容する。
• 同一の観測結果パターンを持つ単位のサブセットに基づく集約を用いて、要因負荷および共通ショックを推定する。
• 推定された要因成分から構築された共分散に類似した行列に対して固有値分解を適用し、反事後的平均推定値を抽出する。
• 集約された要因推定値行列の固有空間を用いたプロジェクションベースの推定器を反事後的平均行列に実装する。
• 有界な作用素ノルムおよび厳密な外生性を含む正則性条件の下で、漸近正規性および推論の有効性を導出する。
• 2段階推定手順を採用する：まず、結果パターングループごとに要因構造を推定し、次に集約して分解することで反事後的平均を回復する。

実験結果

リサーチクエスチョン

• RQ1 大規模クロスセクションにおいて、各単位ごとに僅か数個の結果しか観測されない状況で、反事後的行列平均を一貫して推定できるか？
• RQ2 TWFE や既存の要因モデルがカバーできない、より一般化された結果の欠損パターンは、短いパネルデータでどのように扱えるか？
• RQ3 集約された要因推定値の1回の固有値分解に依存する手法の計算的・統計的効率性はいかがなものか？
• RQ4 複雑な欠損パターンと交絡要因が存在する状況で、提案手法はTWFEに基づく推定器を上回るか？
• RQ5 推定器が漸近正規性を満たし、推論に有効となる条件は何か？

主な発見

• 提案手法は、固定された結果次元および一般化された欠損パターン下で、反事後的結果平均の一致推定と漸近正規性を達成する。
• サブセットベースの要因推定値から構築された行列の1回の固有値分解のみを要するため、計算上の効率性を達成する。
• マッチングされた雇用者・労働者データを用いた半実験的シミュレーションにおいて、バイアスおよび平均二乗誤差の観点で、TWFEに基づく推定器を上回る性能を示した。
• 理論的結果により、推定器の漸近分布は、有界な作用素ノルムおよび厳密な外生性を含む緩い正則性条件の下で有効であることが示された。
• 交絡要因が低次元であり、要因モデルで捉えられる限り、欠損が無視不能であっても、手法の有効性は保たれる。
• 推定器の収束速度は $O_p(N^{-1/2})$ であり、固有空間推定の摂動論的アプローチを用いて漸近分布が導出された。