[論文レビュー] Limitless Regression Discontinuity: Causal Inference for a Population Surrounding a Threshold

Adam Sales, Ben B. Hansen|arXiv (Cornell University)|Mar 21, 2014

Advanced Causal Inference Techniques参考文献 26被引用数 3

ひとこと要約

本稿は、従来の単変量限界を残差無視可能性に置き換える新しい回帰不連続法を提案する。MM推定と標本の不純物除去を用いて、トレンドに対して頑健に調整する。処置割り当てが無視可能であると仮定しなくても、閾値の周辺における有効な因果推論を可能にし、回帰不連続設計における一般的な妥当性の脅かしに対してより高い頑健性を提供する。

ABSTRACT

Conventionally, regression discontinuity analysis contrasts a univariate regression's limits as its independent variable, $R$, approaches a cut-point, $c$, from either side. Alternative methods target the average treatment effect in a small region around $c$, at the cost of an assumption that treatment assignment, $\mathcal{I}\left[R<c ight]$, is ignorable vis a vis potential outcomes. Instead, the method presented in this paper assumes Residual Ignorability, ignorability of treatment assignment vis a vis detrended potential outcomes. Detrending is effected not with ordinary least squares but with MM-estimation, following a distinct phase of sample decontamination. The method's inferences acknowledge uncertainty in both of these adjustments, despite its applicability whether $R$ is discrete or continuous; it is uniquely robust to leading validity threats facing regression discontinuity designs.

研究の動機と目的

• カットオーバーの近くで無視可能な処置割り当てに依存する従来の回帰不連続設計の限界を是正すること。
• 処置割り当ての無視可能性ではなく、残差無視可能性に注目することで、より現実的な仮定のもとで因果的妥当性を維持する手法を開発すること。
• トレンド推定および処置割り当ての両方におけるモデル誤検定および外れ値に対する頑健性を向上させること。
• デトレンドと処置効果推定の両方の誤差を考慮した不確実性の定量化を提供し、推論の信頼性を高めること。
• 手法的厳密性を損なわずに、離散的および連続的走行変数の両方への適用を拡張すること。

提案手法

• トレンド推定における外れ値に対する頑健性を高めるために、通常最小二乗法の代わりにMM推定を適用する。
• 二段階のプロセスを採用する：まず、外れ値を特定し、重みを下げるための標本の不純物除去；次に、クリーン化された標本上でMM推定を実行する。
• 残差無視可能性を仮定する—処置割り当ては、元の結果ではなく、デトレンドされた潜在的結果の条件付きで無視可能である。
• 走行変数がカットオーバーに近づく際のデトレンドされた結果回帰の極限値を両側から比較することで、因果推論を導出する。
• 最終的な推論に、デトレンドと処置効果推定の両方の誤差から生じる不確実性を統合する。
• 非パラメトリックで頑健な推定技術を用いることで、離散的および連続的走行変数の両方に対して妥当性を維持する。

実験結果

リサーチクエスチョン

• RQ1 処置割り当ての無視可能性仮定を残差無視可能性に置き換えることで、回帰不連続設計における因果推論をより頑健にできるか？
• RQ2 外れ値が存在する状況において、標本の不純物除去を伴うMM推定は、OLSに比べてどのようにトレンド推定を改善するか？
• RQ3 本手法は、操作や非単調性といった回帰不連続設計の一般的な妥当性の脅かしに対して、どの程度妥当性を維持できるか？
• RQ4 デトレンドと処置効果推定の両方が推定誤差を含む場合、不確実性を適切に定量化する方法は何か？
• RQ5 従来の手法がしばしば失敗する離散的走行変数に適用した場合、本手法は妥当性と精度を保持するか？

主な発見

• 残差無視可能性のもとで、有効な因果推論が達成され、無視可能な処置割り当て仮定よりも弱く現実的である。
• 不純物除去を伴うMM推定は、汚染や重尾誤差分布の下でも、OLSに比べてトレンド推定のバイアスを顕著に低減する。
• 操作や処置割り当ての非単調性といった一般的な妥当性の脅かしに対しても、本手法は頑健性を維持する。
• デトレンドと処置効果推定の両方の誤差を考慮した不確実性の定量化は、より信頼性の高い信頼区間をもたらす。
• 本手法は、離散的および連続的走行変数の両方に対して適用可能かつ有効であり、回帰不連続設計の応用範囲を拡大する。
• 実証的結果は、従来の回帰不連続推定器に比べて、有限標本においてより良好な被覆率と精度を示している。