[論文レビュー] On the Nuisance of Control Variables in Regression Analysis

Paul Hünermund, Beyers Louw|arXiv (Cornell University)|May 20, 2020

Advanced Causal Inference TechniquesMathematics参考文献 17被引用数 21

ひとこと要約

本論文は、多変量回帰における制御変数がしばしば内生的であり、交絡要因のメカニズムのため、その推定係数に因果的解釈を下すことはできないと主張している。著者らは、制御変数の係数を省略するか、付録に回すよう提言し、管理学および組織研究分野における誤解を招く解釈を避けるために、主たる処置効果の因果的同定に焦点を当てるべきだと主張している。

ABSTRACT

Control variables are included in regression analyses to estimate the causal effect of a treatment on an outcome. In this paper, we argue that the estimated effect sizes of controls are unlikely to have a causal interpretation themselves, though. This is because even valid controls are possibly endogenous and represent a combination of several different causal mechanisms operating jointly on the outcome, which is hard to interpret theoretically. Therefore, we recommend refraining from interpreting marginal effects of controls and focusing on the main variables of interest, for which a plausible identification argument can be established. To prevent erroneous managerial or policy implications, coefficients of control variables should be clearly marked as not having a causal interpretation or omitted from regression tables altogether. Moreover, we advise against using control variable estimates for subsequent theory building and meta-analyses.

研究の動機と目的

• 回帰分析において制御変数の係数を因果的意味を持つものとして解釈するという広範な慣習に挑戦すること。
• すなわち、妥当な制御変数ですら、内生的である可能性があり、複数の未観測の因果的メカニズムの組み合わせを反映しているため、その限界効果は解釈不能であることを強調すること。
• 制御変数の推定値を過剰に解釈することで生じる、誤った経営的または政策的含意のリスクを明らかにすること。
• 実証研究において制御変数を実質的発見として扱うべきではなく、うっとうしいパラメータ（nusiance parameters）として扱うべきだと提唱すること。
• 因果的明確性に欠けるため、理論構築やメタアナリシスにおいて制御変数の推定値を使用することを控えるべきであることを主張すること。

提案手法

• 潜在的アウトカムフレームワークと因果図（d-分離）を用いて、回帰モデルでどの変数を制御すべきかを評価すること。
• グラフィカルな因果モデルを用いて、妥当な制御と悪い制御を区別し、制御変数が依然として内生的である可能性を強調すること。
• 背後路基準（backdoor criterion）を適用して、背後路を遮断する調整集合を特定し、処置効果の一貫性のある推定を保証すること。
• 研究者が制御変数の符号や有意性に依存するのではなく、妥当な識別根拠を提示できる主たる処置変数を特定・正当化することに焦点を当てるべきだと提言すること。
• 制御変数の係数を主な回帰表から省略するか、付録に移動することを提案し、表の脚注で明確にラベルを付けること。
• R²の向上や增量F検定を用いた制御変数の導入を批判し、理論に基づいたモデル指定を推奨すること。

実験結果

リサーチクエスチョン

• RQ1 回帰モデルにおける制御変数の係数が、推定の改善を図るために含まれているにもかかわらず、なぜしばしば有効な因果的解釈を持たないのか。
• RQ2 制御変数の係数を因果的であると解釈する場合、それが未観測要因による交絡や内生的要因に起因する場合の影響は何か。
• RQ3 実証的管理学および組織研究において誤った結論を避けるために、研究者はいかに制御変数の結果を報告すべきか。
• RQ4 制御変数の推定値が因果的状態が不明瞭である以上、それらをメタアナリシスや理論開発にどの程度活用すべきか。
• RQ5 制御変数の係数がおそらくバイアスがかかるか、解釈不能である場合、回帰モデルにおける制御変数の適切な役割は何か。

主な発見

• 2015–2020年の『Organization Science』および『Strategic Management Journal』に掲載された回帰分析に基づく論文の47％が、制御変数の推定効果サイズについて明確に議論しており、これは広範な解釈的慣行を示している。
• 制御変数の係数は、複数の未観測の因果的メカニズムが同時に結果に作用している可能性があるため、因果的解釈を下すことはほとんど不可能である。
• 妥当な制御変数であっても、未観測の交絡要因のため内生的である可能性があり、その結果、単体で解釈することは根拠を欠く。
• 表1（列6–8）に示すように、異なる調整集合において制御変数の係数が著しく変動することから、安定性に欠け、一意な因果的意味を持たないことが示されている。
• メタアナリシスは、妥当な識別根拠を持つ主たる処置変数に限定すべきであり、制御変数の推定値は因果的状態が曖昧であるため、累積的証拠にほとんど寄与しない。
• 制御変数の係数を省略するか、付録に回すことで、誤った解釈を防ぎ、研究論文の提示を簡素化しつつ、メソドロジカルな厳密性を損なわない。