[論文レビュー] Revisiting Event Study Designs: Robust and Efficient Estimation

Kirill Borusyak, Xavier Jaravel+1 more|London School of Economics and Political Science Research Online (London School of Economics and Political Science)|Aug 27, 2021

Advanced Causal Inference Techniques参考文献 25被引用数 9

ひとこと要約

本稿は、段階的処置導入と異質的因果効果を伴うイベントスタディ設計における、頑健で効率的な推定器を開発し、従来の二重固定効果回帰におけるバイアスを是正する。インピュテーションに基づく推定器を導入し、動的処置効果を一貫して推定可能であり、米国における税還付の消費への限界効果は最初の四半期に8–11%であると示している。これは、従来のベンチマーク推定値の約半分である。

ABSTRACT

We develop a framework for difference-in-differences designs with staggered treatment adoption and heterogeneous causal effects. We show that conventional regression-based estimators fail to provide unbiased estimates of relevant estimands absent strong restrictions on treatment-effect homogeneity. We then derive the efficient estimator addressing this challenge, which takes an intuitive "imputation" form when treatment-effect heterogeneity is unrestricted. We characterize the asymptotic behavior of the estimator, propose tools for inference, and develop tests for identifying assumptions. Our method applies with time-varying controls, in triple-difference designs, and with certain non-binary treatments. We show the practical relevance of our results in a simulation study and an application. Studying the consumption response to tax rebates in the United States, we find that the notional marginal propensity to consume is between 8 and 11 percent in the first quarter - about half as large as benchmark estimates used to calibrate macroeconomic models - and predominantly occurs in the first month after the rebate.

研究の動機と目的

• 処置効果の異質性下で、動的処置効果を推定する際の従来の二重固定効果（TWFE）回帰におけるバイアスを是正すること。
• 同一定識の仮定（例：平行トレンド）と推定ターゲット（例：異なる期間における平均処置効果）の区別を明確にすること。
• 処置効果が単位ごとに異なる場合でも最小限の仮定のもとで一貫性を保つ、効率的で二重ロバストな推定器を開発すること。
• 段階的導入を伴うイベントスタディ設計における有効な推論ツールと事前トレンド検定手順を提供すること。
• 新規手法を用いて、米国税還付の消費への限界効果（MPX）を再推定し、従来のマクロ経済モデルにおけるキャリブレーションを検証すること。

提案手法

• 平行トレンド仮定の下で、反事実的アウトカムを再構築するインピュテーションに基づく新しい推定器を提案し、動的処置効果の一貫した推定を可能にする。
• 潜在的アウトカム枠組みの下で、同一定識条件を満たす範囲で分散を最小化する効率的推定器を導出する。
• アウトカム回帰とプロピショニティースコアモデルを組み合わせた二重ロバスト推定戦略を用い、推定の頑健性を向上させる。
• インピュテーションフレームワークに基づく事前トレンド検定を導入し、イベントスタディ設計における平行トレンド仮定の妥当性を検証する。
• 合成データおよびNielsenIQと米国税還付調査の実データを用いて、手法を適用する。
• 推定器の実装と動的効果の可視化のためのStataコマンド（did_imputation および event_plot）を提供する。

実験結果

リサーチクエスチョン

• RQ1 なぜ従来の二重固定効果回帰は、段階的処置と異質的効果を伴うイベントスタディ設計においてバイアスを生じるのか？
• RQ2 処置効果の異質性が制限のない場合に、動的処置効果を推定するための効率的でロバストな推定器は何か？
• RQ3 処置後係数推定値に依存せずに、イベントスタディ設計における平行トレンド仮定をどのように検証できるか？
• RQ4 米国税還付の消費への限界効果（MPX）の真の値は何か？また、マクロ経済モデルで一般的に使われるベンチマーク推定値と比べてどう異なるか？
• RQ5 提案された推定器は、時変制御変数、トリプルディフィレンス、非二値処置の設定へ拡張可能か？

主な発見

• 処置効果が異質であっても、平行トレンドが成り立つ限り、従来の二重固定効果回帰は動的処置効果の推定においてバイアスを生じる。
• 提案されたインピュテーションベースの推定器は、効率的でロバストであり、処置後異なる時点における平均処置効果の一貫した推定を可能にする。
• 米国税還付の消費への限界効果（MPX）は、最初の四半期に8–11%と推定され、マクロ経済モデルで一般的に想定される15–20%よりも顕著に低い。
• 消費反応の大部分は還付後最初の月に集中しており、迅速ではあるが限定的な支出反応であることが示唆される。
• インピュテーションフレームワークに基づく事前トレンド検定は、有限標本において平行トレンド仮定の違反を効果的に検出できた。
• 本手法は、時変制御変数、トリプルディフィレンス設計、および特定の非二値処置の設定へも適用可能であり、実務的汎用性が向上する。