[論文レビュー] Forward-Selected Panel Data Approach for Program Evaluation

Zhentao Shi, Jingyi Huang|arXiv (Cornell University)|Aug 16, 2019

Advanced Causal Inference Techniques参考文献 80被引用数 5

ひとこと要約

本稿では、プログラム評価におけるパネルデータアプローチにおいて、制御単位を選択するためのフォワード選択法を提案する。この手法により、潜在的制御単位の数が時間次元よりも速やかに増加する場合でも、有効な選択後推論が可能になる。この方法は漸近的妥当性と計算効率を確保し、理論的保証とともに、高次元で大規模なデータ環境へのパネルデータアプローチの拡張を可能にする。

ABSTRACT

Policy evaluation is central to economic data analysis, but economists mostly work with observational data in view of limited opportunities to carry out controlled experiments. In the potential outcome framework, the panel data approach (Hsiao, Ching and Wan, 2012) constructs the counterfactual by exploiting the correlation between cross-sectional units in panel data. The choice of cross-sectional control units, a key step in its implementation, is nevertheless unresolved in data-rich environment when many possible controls are at the researcher's disposal. We propose the forward selection method to choose control units, and establish validity of the post-selection inference. Our asymptotic framework allows the number of possible controls to grow much faster than the time dimension. The easy-to-implement algorithms and their theoretical guarantee extend the panel data approach to big data settings.

研究の動機と目的

• 多くの潜在的制御単位が利用可能な際、パネルデータアプローチにおける体系的でない変数選択の欠如に対処すること。
• 高次元パネルデータ環境における制御単位選択の計算的に効率的な手法の開発。
• 制御単位選択後の推論の漸近的妥当性を確立すること、特に制御単位の数が時間次元よりも速く増加する場合でも有効であること。
• 全検索が非現実的である大規模データ環境において、パネルデータアプローチの適用範囲を拡張すること。
• AIC や AICC といった従来の情報量基準に基づく手法の代替として、使いやすく理論的根拠を備えた代替手法の提供。

提案手法

• 本稿では、各段階で残差分散を最も大きく削減する制御単位を逐次追加するフォワード選択アルゴリズムを提案する。
• 各段階で、現在選択済みの単位集合を条件とする誤差項の分散を推定するために、通常最小二乗法（OLS）回帰を用いる。
• 選択後推論は、選択モデルに基づく従来のt統計量を用い、標準正規分布からの臨界値と比較して行う。
• 理論的裏付けは、潜在的制御単位の数が時間次元よりも速く増加する漸近的枠組みに依拠し、誤差分散と選択の一貫性に関する仮定を含む。
• 真の最適な制御単位集合が選択された順序に完全に含まれない場合でも、弱い正則性条件のもとで最適な制御単位集合の選択が一貫的に行えることが示された。
• 全検索の計算的負担を回避するため、グリーディ選択を活用することで、大規模データセットへのスケーラビリティを実現している。

実験結果

リサーチクエスチョン

• RQ1 高次元パネルデータ環境において、制御単位選択を体系的かつ計算的に実行可能にする方法は何か？
• RQ2 パネルデータモデルにおいてフォワード選択を用いる場合、選択後推論の理論的性質は何か？
• RQ3 制御単位の数が時間次元を上回る場合、パネルデータアプローチは大規模データ環境に拡張可能か？
• RQ4 高次元漸近的枠組みのもとで、フォワード選択は平均処置効果の一致推定値をもたらすか？
• RQ5 フォワード選択による制御単位選択後の推論の妥当性を保証する条件は何か？

主な発見

• フォワード選択法は、潜在的制御単位の数が時間次元よりも速く増加する場合でも、制御単位の一致した選択を達成する。
• 提案された枠組みのもとで、従来のt統計量を用いた選択後推論は漸近的に妥当である。
• この手法により、推定された反事後分散が真の最適分散に収束し、収束速度はサンプルサイズと次元性に依存する。
• 理論的結果から、選択された制御単位集合は、真の制御単位がすべて含まれていない場合でも、漸近的に最適な組み合わせを捉えることが示された。
• フォワード選択アルゴリズムは計算的に効率的であり、単なるOLS回帰の逐次実行で済むため、大規模データセットへのスケーラビリティを有する。
• 計算的扱いやすさと理論的保証の両面から、高次元環境において従来の情報量基準に基づく手法よりも優れた性能を示した。