[論文レビュー] Instrumented Difference-in-Differences

Ting Ye, Ashkan Ertefaie+3 more|arXiv (Cornell University)|Nov 6, 2020

Advanced Causal Inference Techniques参考文献 42被引用数 5

ひとこと要約

本稿では、測定されていない交絡要因を伴う縦断的研究における処置効果を推定するための、因果推論の新手法であるインストゥルメンテッド・ディファレンス・イン・ディファレンス（iDID）を提案する。この手法は、差分の差分（DID）と道具変数（IV）を組み合わせ、処置の暴露傾向における外生的変動を活用することで、標準的なIVの厳密な除外制約と標準的なDIDの平行トレンド仮定を緩和する。これにより、Wald推定量および多重ロバスト推定量を用いて、一貫的かつ漸近正規な推定が可能になる。

ABSTRACT

Unmeasured confounding is a key threat to reliable causal inference based on observational studies. Motivated from two powerful natural experiment devices, the instrumental variables and difference-in-differences, we propose a new method called instrumented difference-in-differences that explicitly leverages exogenous randomness in an exposure trend to estimate the average and conditional average treatment effect in the presence of unmeasured confounding. We develop the identification assumptions using the potential outcomes framework. We propose a Wald estimator and a class of multiply robust and efficient semiparametric estimators, with provable consistency and asymptotic normality. In addition, we extend the instrumented difference-in-differences to a two-sample design to facilitate investigations of delayed treatment effect and provide a measure of weak identification. We demonstrate our results in simulated and real datasets.

研究の動機と目的

• 測定されていない交絡要因による影響を緩和し、生物医学および社会科学分野における有効な因果推論の主な脅かとなる、縦断的観察研究における因果推論を改善すること。
• 標準的な道具変数（IV）の厳しい除外制約と、標準的な差分の差分（DID）の平行トレンド仮定を緩和すること。
• DIDのための道具変数（IV）を通じて、暴露傾向の外生的変動を活用し、因果的同定を改善する手法を開発すること。
• 平均および条件付き平均処置効果のための一貫的かつ漸近正規な推定量—Wald推定量および多重ロバスト半パラメトリック推定量—を提供すること。
• 遅延処置効果の分析および弱識別性の評価を目的とした二標本デザインへの手法の拡張すること。

提案手法

• 処置傾向に影響を与えるが、結果に直接影響を与えない道具変数（IV）を用いることで、暴露傾向における外生的変動を抽出する、新たな手法であるインストゥルメンテッド・ディファレンス・イン・ディファレンス（iDID）を提案する。
• 暴露傾向の変化の文脈において、関連性、独立性、除外制約に関する仮定を満たすIVの下で、潜在的アウトカムフレームワークに基づく同定を確立する。
• 励起群と非励起群間の結果傾向の差分と暴露傾向の差分の比に基づくWald推定量を構築する。
• 複数のモデルのうち1つでも正しく指定されていれば一貫性を保つ、多重ロバストかつ効率的な半パラメトリック推定量のクラスを導入する。
• 遅延処置効果の推定および弱識別性の評価を目的とした二標本デザインへの手法の拡張を行い、弱識別性の指標としてF統計量を導入する。
• 潜在的アウトカムフレームワークを用いて仮定を形式化し、一貫性および正規性を含む漸近的性質を導出する。

実験結果

リサーチクエスチョン

• RQ1 測定されていない交絡要因を伴う縦断的研究において、暴露傾向の外生的変動を活用することで、因果効果を推定できるか？
• RQ2 標準的なIVの除外制約と標準的なDIDの平行トレンド仮定をどのように緩和できるか？
• RQ3 提案されたiDIDフレームワーク下で、一貫的かつ漸近正規な推定量は何か？
• RQ4 iDIDフレームワークにおいて、弱識別性および遅延処置効果をどのように評価できるか？
• RQ5 iDID手法は、喫煙が肺がん死亡率に与える影響といった実世界のデータに適用可能か？

主な発見

• iDID手法は、性別をDIDのための代替的IVとして用いることで、喫煙が肺がん死亡率に与える平均処置効果を成功裏に推定した。55–64歳の年齢群では、年間0.285%から0.568%の点推定値を示した。
• Wald推定量は統計的に有意な結果を示し、連続する出生コhortにおいてF統計量が13.94、47.28、21.33と高く、強い道具変数であることが示された。
• 異なる出生コhort間で推定効果は安定しており、互いに2標準誤差以内に収まっており、一貫性が確認された。
• 補足資料における感度分析では、時間とともに喫煙リスクが上昇しても、観察された処置効果を説明できないことが示された。
• 提案された仮定の下で、一貫的かつ漸近正規な推定が実現しており、シミュレーションでは有限標本性能も明確に示された。
• 二標本iDIDデザインは、遅延処置効果を効果的に捉え、F統計量を用いた弱識別性の測定を提供した。