[論文レビュー] ivmodel: An R Package for Inference and Sensitivity Analysis of Instrumental Variables Models with One Endogenous Variable

Hyunseung Kang, Yang Jiang+2 more|arXiv (Cornell University)|Feb 19, 2020

Advanced Causal Inference Techniques参考文献 56被引用数 6

ひとこと要約

本論文は、1つの内生的変数を伴う包括的な道具付き変数（IV）解析を可能にする、ivmodel Rパッケージを紹介する。このパッケージは、kクラス推定量による頑健な推論、弱い道具（weak instruments）に頑健な信頼区間（Anderson-Rubinと条件付き最尤比）、パワー計算、およびIV仮定の違反に対する感度分析を提供する。これらの手法は、カーディ（1995）の教育-賃金データセットを用いて検証され、教育の因果的影響が測定されていない交絡要因に敏感であることが示された。

ABSTRACT

We present a comprehensive R software ivmodel for analyzing instrumental variables with one endogenous variable. The package implements a general class of estimators called k- class estimators and two confidence intervals that are fully robust to weak instruments. The package also provides power formulas for various test statistics in instrumental variables. Finally, the package contains methods for sensitivity analysis to examine the sensitivity of the inference to instrumental variables assumptions. We demonstrate the software on the data set from Card (1995), looking at the causal effect of levels of education on log earnings where the instrument is proximity to a four-year college.

研究の動機と目的

• 弱い道具に頑健な推論と、IV仮定の違反に対する感度分析をサポートする統合的かつ最新のR用IVソフトウェアの不足に対処すること。
• 1つの内生的変数を伴うIVモデルにおける因果効果の一貫した推定を実装するkクラス推定量の開発。
• 弱い道具に完全に頑健な信頼区間、特にAnderson-Rubinと条件付き最尤比区間の提供。
• さまざまな検定統計量と効果サイズを想定した下で、将来のIV研究のためのサンプルサイズ計画を可能にするパワー計算の実施。
• IV推論の結果が外生性や除外制約の違反に対してどれほど頑健であるかを評価するための感度分析ツールの提供。

提案手法

• パッケージは、1つの内生的変数を伴う線形IVモデルにおける因果効果βの推定のための一般化されたkクラス推定量のクラスを実装する。
• 弱い道具に完全に頑健な2つの信頼区間手法（Anderson-Rubinと条件付き最尤比）を含む。
• 感度分析は、測定されていない交絡要因の強さを定量化するパrameter δを用い、δの指定された範囲で区間を計算することで実施される。
• パワー計算は、帰無仮説および対立仮説の下での検定統計量に基づいて導出され、サンプルサイズ計画が可能になる。
• このフレームワークは、共変量の調整が可能であり、自然実験および無作為化励起デザインの両方を扱える。
• これらの要素を統合し、エンドツーエンドのIV解析を可能にする、使いやすいRインターフェースを提供する。

実験結果

リサーチクエスチョン

• RQ1 道具が弱い場合、どのようにしてIVモデルにおける頑健な推論を実施できるか？
• RQ2 測定されていない交絡要因がIV推定量の妥当性に与える影響は何か。また、その感度はどのように定量化できるか？
• RQ3 与えられた効果サイズと道具の強さのもとで、適切なパワーを達成するにはどの程度のサンプルサイズが必要か？
• RQ4 弱い道具の下で、さまざまな信頼区間手法（例：Anderson-RubinとWald）はどのように性能を発揮するか？
• RQ5 統合されたRパッケージは、推定、推論、パワー、感度分析を含む包括的なIV解析を簡素化できるか？

主な発見

• カーディ（1995）のデータセットにおける教育の因果的影響のAnderson-Rubin信頼区間は[−0.054, 0.535]であり、δ ∈ [−0.07, 0.07]の感度分析ではp値が0.165であった。
• 『south』という変数に類似した測定されていない交絡要因を考慮した感度分析では、帰無仮説（因果的影響なし）は従来の有意水準で棄却されなかった。
• δ ∈ [−0.07, 0.07]の範囲で真の効果β* = 0.25を検出するパワーはわずか22.7%であり、潜在的な測定されていない交絡要因が存在する状況では統計的パワーが低いことが示された。
• 同じ感度範囲でβ* = 0.25の効果を80%のパワーで検出するには、少なくとも23,230のサンプルサイズが必要である。
• 『south』を除いたモデルからの感度区間は、完全なモデルからの信頼区間と非常に近い結果を示し、感度分析アプローチの頑健性が検証された。
• ivmodelパッケージは、推定、頑健な推論、パワー分析、感度評価を統合した一貫したワークフローを可能にし、1つのRパッケージで包括的なIV解析を実現している。