[論文レビュー] Robust Uniform Inference for Quantile Treatment Effects in Regression Discontinuity Designs

Harold D. Chiang, Yu‐Chin Hsu+1 more|arXiv (Cornell University)|Feb 15, 2017

Statistical Methods and Inference参考文献 35被引用数 4

ひとこと要約

本稿は、不確実性のあるモデル下で因果推論の信頼性を向上させるために、ファジー回帰不連続デザインにおける分位数処置効果のロバストな一様推論を統合的に扱うフレームワークを構築する。このフレームワークは、大きなバンド幅に対してもロバストな推論を可能にし、累積分布関数（CDF）および分位数過程の推論を拡張した既存手法を統合的に扱う。シミュレーションとオクラホマ州のプリスクールプログラムへの実応用を通じて検証され、モデル不確実性下での因果推論の信頼性が向上する。

ABSTRACT

The practical importance of inference with robustness against large bandwidths for causal effects in regression discontinuity and kink designs is widely recognized. Existing robust methods cover many cases, but do not handle uniform inference for CDF and quantile processes in fuzzy designs, despite its use in the recent literature in empirical microeconomics. In this light, this paper extends the literature by developing a unified framework of inference with robustness against large bandwidths that applies to uniform inference for quantile treatment effects in fuzzy designs, as well as all the other cases of sharp/fuzzy mean/quantile regression discontinuity/kink designs. We present Monte Carlo simulation studies and an empirical application for evaluations of the Oklahoma pre-K program.

研究の動機と目的

• ファジー回帰不連続デザインにおける分位数処置効果のロバストな推論手法の欠落を埋める。
• 既存のバンド幅ロバストな推論を、累積分布関数（CDF）および分位数過程の推論に拡張する。
• 鋭い／ファジーおよび平均／分位数回帰不連続／きんデザインのすべての組み合わせに適用可能な統合的メソドロジカルフレームワークを提供する。
• バンド幅が大きくなっても推論が有効であることを保証し、実応用におけるロバストネスを向上させる。

提案手法

• 著者らは、弱い自己相関下での経験プロセスに対するマルチプライヤー中心極限定理に基づく一様推論手順を開発する。
• 局所多項回帰による分位数回帰関数推定における潜在的バイアスを考慮したバンド幅ロバストな検定統計量を構築する。
• 帰無仮説下での検定統計量の漸近分布を近似するために、ワイルドブートストラップ手順を採用する。
• 有限標本性能の向上を図るため、カーネルベースの重み付けと局所線形推定を統合する。
• 一様な被覆率を保証するために、同時に複数の分位数における推論を可能にするフレームワークを提供する。
• 最小限の正則性条件の下での弱収束結果を通じて理論的裏付けを提供し、広範な適用可能性を確保する。

実験結果

リサーチクエスチョン

• RQ1 ファジー回帰不連続デザインにおける分位数処置効果に対して、ロバストな一様推論を開発できるか？
• RQ2 分位数およびCDFプロセスの文脈において、大きなバンド幅に対しても推論をロバストにする方法は何か？
• RQ3 提案手法の有限標本性能は、既存の代替手法と比較してどのように評価できるか？
• RQ4 異なる分位数および設計設定において、正しい被覆率が維持されるか？
• RQ5 回帰不連続／きんデザインのすべてのバリエーションにわたるフレームワークを統合できるか？

主な発見

• 提案手法は、大きなバンド幅下でも、さまざまな分位数において名目水準に近い一様被覆率を達成する。
• モンテカルロシミュレーションの結果、標本サイズが有限であっても、有意水準が適切に維持され、十分な検出力が得られる。
• オクラホマ州プリスクールプログラムへの実応用では、児童のテストスコアの中央値および上位分位数において、有意な正の処置効果が明らかになった。
• バンド幅の選択やモデル不適合に対する耐性という観点から、従来の推論手順を上回るロバストネスを示した。
• ワイルドブートストラップ近似は、検定統計量の標本分布を効果的に捉え、信頼性のある臨界値を保証した。
• 理論的結果により、弱い正則性条件の下でも推論手順の有効性が確認され、広範な実応用への支持が得られた。