[論文レビュー] Evaluating the Causal Effect of University Grants on Student Dropout: Evidence from a Regression Discontinuity Design Using Principal Stratification

Fan Li, Alessandra Mattei+1 more|arXiv (Cornell University)|Jul 15, 2015

Advanced Causal Inference Techniques参考文献 7被引用数 5

ひとこと要約

本稿は、登録資格の閾値周辺での局所的ラントマイズを用いて、学生の退学に与えるイタリアの大学奨学金の因果効果を推定するため、回帰不連続（RD）枠組み内でのベイジアン主成分層別化アプローチを提案する。奨学金の自主的申請を中間変数として考慮し、低所得学生において奨学金が退学率を有意に低下させることを発見した。感度分析においても結果は安定している。

ABSTRACT

Regression discontinuity (RD) designs are often interpreted as local randomized experiments: a RD design can be considered as a randomized experiment for units with a realized value of a so-called forcing variable falling around a pre-fixed threshold. Motivated by the evaluation of Italian university grants, we consider a fuzzy RD design where the receipt of the treatment is based on both eligibility criteria and a voluntary application status. Resting on the fact that grant application and grant receipt statuses are post-assignment (post-eligibility) intermediate variables, we use the principal stratification framework to define causal estimands within the Rubin Causal Model. We propose a probabilistic formulation of the assignment mechanism underlying RD designs, by re-formulating the Stable Unit Treatment Value Assumption (SUTVA) and making an explicit local overlap assumption for a subpopulation around the threshold. A local randomization assumption is invoked instead of more standard continuity assumptions. We also develop a model-based Bayesian approach to select the target subpopulation(s) with adjustment for multiple comparisons, and to draw inference for the target causal estimands in this framework. Applying the method to the data from two Italian universities, we find evidence that university grants are effective in preventing students from low-income families from dropping out of higher education.

研究の動機と目的

• 奨学金の支給がイタリアの学生の退学に与える因果的影響を評価すること。奨学金の割り当ては、資格要件と自主的申請の両方に依存する。
• 不恰好なRDデザインにおける、自主的申請行動に起因する交絡要因を解消するため、申請状況を割り当て後の中間変数としてモデル化すること。
• 局所的ラントマイズに基づき、連続性の仮定に依存しない、モデルベースのベイジアンアプローチを開発し、標本の特定のサブグループを同定して因果効果を推定すること。
• 強化された妥当性を確保するため、強制変数や事前処理共変量に条件づけるモデル仕様の下での感度分析を実施すること。
• 経済的に不利な立場にある学生の退学を防止する目的で奨学金が実際に効果的であるかどうか、政策に役立つ証拠を提供すること。

提案手法

• ルービン因果モデルにおける主成分層別化を用い、潜在的申請および受領状況に基づいて因果的推定量を定義する。
• SUTVAを再定義する確率的割り当てメカニズムを提案し、閾値周辺の局所的オーバーラップ仮定を導入する。
• 標準的な連続性仮定の代わりに、閾値付近の単位をランダムに割り当てられたものとみなす局所的ラントマイズ仮定を採用する。
• ベイジアン階層モデルを構築し、主成分層の確率および潜在的アウトカムを推定する。サブグループ選択における多重比較の調整も行う。
• マルコフ連鎖モンテカルロ（MCMC）法を用いて事後分布をシミュレートし、モデル妥当性の検証に事後予測チェックを実施する。
• 強制変数、事前処理共変量、またはその両方に条件づけるモデルと比較することで、局所的ラントマイズの妥当性を検証する感度分析を実施する。

実験結果

リサーチクエスチョン

• RQ1 イタリアの低所得申請者において、大学奨学金を受領することは、退学の可能性を低下させるか？
• RQ2 自主的奨学金申請は、標準的なRD推論の妥当性にどのように影響を及ぼし、それを因果的にどのようにモデル化できるか？
• RQ3 申請および受領行動に基づく特定の主成分層内での奨学金の因果的効果は何か？
• RQ4 局所的ラントマイズ仮定の破れに対して、因果推定はどの程度頑健か？
• RQ5 中間変数を伴う不恰好なRDデザインにおいて、ベイジアンモデルベースのアプローチは、サブグループの選択と推論をどのように改善できるか？

主な発見

• 本研究では、イタリアの低所得学生において、大学奨学金が退学率を有意に低下させることを強く示唆する証拠を得た。
• 因果効果は、資格がある場合に申請するが、資格がない場合には申請しないと想定される主成分層内で推定されており、奨学金の真の影響を捉えている。
• 強制変数や事前処理共変量に条件づける複数のモデルスペックにおいても結果が安定しており、局所的ラントマイズ仮定の信頼性を裏付けている。
• ベイジアンアプローチは、関連するサブグループを的確に同定し、資格閾値付近での因果効果の事後推定を高精度で提供した。
• 感度分析により、推論がモデルの詳細に強く依存していないことが確認され、局所的ラントマイズフレームワークの有効性が強化された。
• 研究結果は、経済的に不利な立場にある学生の高等教育における留任を改善する目的で奨学金を効果的に活用できるという政策的意義を示している。