[論文レビュー] Filtered and Unfiltered Treatment Effects with Targeting Instruments

Sokbae Lee, Bernard Salanié|arXiv (Cornell University)|Jan 1, 2020

Advanced Causal Inference Techniques参考文献 19被引用数 2

ひとこと要約

本稿では、選択バイアスをターゲティング条件および非定型性制約を通じて扱い、離散的価値をとるインストゥルメントを用いて多値処置下での反事後平均および処置効果を同定するフレームワークを開発する。不完全な情報に対処するためのフィルタード処置の概念を導入し、非均質的コンプライヤー群における処置効果の同定を可能にする。

ABSTRACT

Multivalued treatments are commonplace in applications. We explore the use of discrete-valued instruments to control for selection bias in this setting. We establish conditions under which counterfactual averages and treatment effects are identified for heterogeneous complier groups. These conditions restrict (i) the unobserved heterogeneity in treatment assignment, (ii) how the instruments target the treatments, and optionally (iii) the extent to which counterfactual averages are heterogeneous. We allow for limitations in the analyst's information via the concept of a filtered treatment. Finally, we illustrate the usefulness of our framework by applying it to data from the Student Achievement and Retention Project and the Head Start Impact Study.

研究の動機と目的

• 処置割り当てが内生的である多値処置設定における選択バイアスに対処すること。
• 非均質的コンプライヤー群下での反事後平均および処置効果を同定すること。
• 特定の処置をターゲティングするインストゥルメントが、観察されない非定型性が存在する状況でも同定を可能にする条件を形式化すること。
• アナリストの情報に制限がある状況をモデル化するためのフィルタード処置の概念を導入すること。
• 実世界のデータ、例えばヘッドスタートや学生の学力向上と留年防止プロジェクトのような教育プログラムに適用可能な実用的フレームワークを提供すること。

提案手法

• 多値処置設定において特定の処置水準をターゲティングするための離散的価値をとるインストゥルメントを使用する。
• 観察されない非定型性の処置割り当ておよびインストゥルメントのターゲティングを制限する同定条件を確立する。
• 処置状態に関する完全でない情報の状況をモデル化するためのフィルタード処置の概念を導入する。
• 反事後非定型性に制約を課すことをオプションの条件として導入し、同定を可能にする。
• インストゥルメントの変動とコンプライヤー群を結びつける構造的仮定を適用し、非均質的処置効果の推定を可能にする。
• 潜在的アウトカムフレームワークと条件付き独立性仮定を用いて、同定結果を導出する。

実験結果

リサーチクエスチョン

• RQ1 処置が多値的で選択バイアスが存在する状況で、反事後平均はどのような条件下で同定可能か？
• RQ2 特定の処置水準をターゲティングする離散的インストゥルメントは、非均質的コンプライヤー群における処置効果の同定をどのように可能にするか？
• RQ3 フィルタード処置の概念は、処置効果推定における不完全な情報のモデル化をどのように改善するか？
• RQ4 観察されない非定型性下で処置効果を同定するにあたり、インストゥルメントのターゲティング行動が果たす役割は何か？
• RQ5 提案されたフレームワークは、ヘッドスタートや学生の学力向上と留年防止プロジェクトのような教育プログラムの実世界データにどのように応用可能か？

主な発見

• 本稿では、離散的インストゥルメントを用いて多値処置下での反事後平均および処置効果を同定する十分条件を確立している。
• 処置割り当てにおける観察されない非定型性が制限され、かつインストゥルメントが特定の処置水準をターゲティングする場合に同定が達成される。
• ターゲティングおよび非定型性条件が満たされる限り、コンプライヤー群における非均質的処置効果の同定が可能になる。
• フィルタード処置の概念により、アナリストが処置状態を完全に把握できない状況でも同定が可能になる。
• 学生の学力向上と留年防止プロジェクトおよびヘッドスタートインパactsスタディへの実証的応用を通じて、本フレームワークの実世界での実用的有用性が示された。
• 結果から、特に複雑な処置割り当てが存在する状況では、インストゥルメントのターゲティング行動が処置効果の同定において極めて重要であることが明らかになった。