[論文レビュー] Identification with Latent Choice Sets: The Case of the Head Start Impact Study

Vishal Kamat|arXiv (Cornell University)|Nov 1, 2017

Early Childhood Education and Development被引用数 3

ひとこと要約

本稿は、処置選択集合における観察されない異質性のもとでプログラム効果を同定する非パラメトリックモデルを開発し、ヘッドスタートインパactsスタディに適用する。線形計画法を用いて、政策的に関係するパラメータの同定集合を構築し、アクセスが与えられた場合に多くの子どもたちが自発的にヘッドスタートに参加することを示し、複数の政策シナリオにおいて短期的な学力テスト成績へのプラスの影響が見られた。

ABSTRACT

This paper studies identification of program effects in settings with latent choice sets. Here, by latent choice sets, I mean the unobserved heterogeneity that arises when the choice set from which the agent selects treatment is heterogeneous and unobserved by the researcher. The analysis is developed in the context of the Head Start Impact Study, a social experiment designed to evaluate preschools as part of Head Start, the largest early childhood education program in the United States. In this setting, resource constraints limit preschool slots to only a few eligible children through an assignment mechanism that is not observed in the data, which in turn introduces unobserved heterogeneity in the child's choice set of care settings. I propose a nonparametric model that explicitly accounts for latent choice sets in the care setting enrollment decision. In this model, I study various parameters that evaluate Head Start in terms of policies that mandate enrollment and also those that allow voluntary enrollment into Head Start. I show that the identified set for these parameters given the information provided by the study and by various institutional details of the setting can be constructed using a linear programming method. Applying the developed analysis, I find that a significant proportion of children voluntarily enroll into Head Start if provided access and that Head Start is effective in terms of improving short-term test scores across multiple policy dimensions.

研究の動機と目的

• 処置選択集合が個人間で観察されず、異質な状況下でのプログラム評価における同定の課題に対処すること。
• データに記録されていない資源制約に基づく割り当てメカニズムに起因するケア環境選択集合の観察されない異質性をモデル化すること。
• 非パラメトリック手法を用いて、義務的および自発的参加政策の下でのヘッドスタートの有効性を評価すること。
• ヘッドスタートインパクトスタディの観察データと制度的詳細を用いて、政策的に関係するパラメータの同定集合を構築すること。
• 制限付きアクセスを伴う社会的プログラムに適用可能な、潜在的選択集合を伴う因果推論のフレームワークを提供すること。

提案手法

• 観察されない処置選択集合の異質性を考慮する非パラメトリック構造的モデルを提案する。
• ヘッドスタートの割り当てプロセスの制度的詳細を組み込み、潜在的選択集合の構造を裏付ける。
• 部分的同定の下で、政策的に関係するパラメータの同定集合を線形計画法を用いて構築する。
• 観察されたデータと制度的制約とを満たすパラメータの集合を特徴付ける。
• 顕在的選好論理を用いて、参加パターンと割り当てルールから潜在的選択集合を推論する。
• モデルをヘッドスタートインパクトスタディに適用し、異なる参加政策下での処置効果の境界を推定する。

実験結果

リサーチクエスチョン

• RQ1 観察されない選択集合のもとで、自発的参加政策下におけるヘッドスタートの平均処置効果の同定集合は何か？
• RQ2 全該当児童に参加を義務付ける政策下では、ヘッドスタートの影響の同定集合はどのように変化するか？
• RQ3 観察データと制度的制約に基づいて、アクセスが与えられた場合に子どもたちがどれほど自発的にヘッドスタートを選択するか？
• RQ4 スロット割り当てを規定する異なる制度的ルールは、潜在的選択集合が存在する状況下での処置効果の同定にどのように影響するか？
• RQ5 さまざまな政策仮定のもとで、短期的な学力テスト成績への処置効果の範囲は何か？

主な発見

• 多くの該当児童がアクセスが与えられれば自発的にヘッドスタートに参加する可能性が高く、強い需要が示唆された。
• 義務的参加と自発的参加の両方のシナリオにおいて、ヘッドスタートは短期的な学力テスト成績に肯定的な影響をもたらした。
• 処置効果の同定集合は非退化であり、観察されない選択集合の異質性が存在する中でも意味のある同定が可能であることを示した。
• 線形計画法により、利用可能なデータと制度的詳細を用いて、政策的に関係するパラメータの鋭い境界を成功裏に構築できた。
• モデルは、アクセス制限に起因する制度的制約が処置効果の解釈に顕著に影響を与え、明示的にモデル化する必要があることを明らかにした。
• 結果は、ヘッドスタートが義務的参加の下での有効性に加え、自発的アクセスのもとでも効果的であり、肯定的な結果の大きな潜在的余地があることを示唆している。