[論文レビュー] Subgroup Difference in Differences to Identify Effect Modification Without a Control Group

Zach Shahn|arXiv (Cornell University)|Jun 19, 2023

Advanced Causal Inference TechniquesMathematics被引用数 3

ひとこと要約

この論文は、対照群を必要とせず、性別や人種などのベースライン共変量による効果修正を特定するためのサブグループ差分差分（SDiD）法を提案する。サブグループの平行トレンド仮定の下で、サブグループ間の前後アウトカム変化の差が、それらサブグループ間の治療効果の差を特定する。これは、個々のサブグループの効果が別個に特定可能でない場合でも成立する。

ABSTRACT

Suppose it is of interest to characterize effect heterogeneity of an intervention across levels of a baseline covariate using only pre- and post- intervention outcome measurements from those who received the intervention, i.e. with no control group. For example, a researcher concerned with equity may wish to ascertain whether a minority group benefited less from an intervention than the majority group. We introduce the `subgroup parallel trends' assumption that the counterfactual untreated outcomes in each subgroup of interest follow parallel trends pre- and post- intervention. Under the subgroup parallel trends assumption, it is straightforward to show that a simple `subgroup difference in differences' (SDiD) expression (i.e., the average pre/post outcome difference in one subgroup subtracted by the average pre/post outcome difference in the other subgroup) identifies the difference between the intervention's effects in the two subgroups. This difference in effects across subgroups is identified even though the conditional effects in each subgroup are not. The subgroup parallel trends assumption is not stronger than the standard parallel trends assumption across treatment groups when a control group is available, and there are circumstances where it is more plausible. Thus, when effect modification by a baseline covariate is of interest, researchers might consider SDiD whether or not a control group is available.

研究の動機と目的

• 対照群が利用できない状況で、ベースライン共変量による効果修正を同定するための手法を開発すること。
• 治療効果の非均一性に関する因果推論を、治療済みユニットと前後データしか入手できない状況で可能にする。
• 介入がサブグループに不均等に効果をもたらすかどうかを評価することが極めて重要な公平性志向の分析を支援すること。
• 標準的なグループ間平行トレンド仮定が成り立たないが、サブグループ内ではトレンドが平行である場合に、従来のDiDの代替として有効な手法を提供すること。
• 一般的に用いられる経験的手法（サブグループ間の前後変化を比較する手法）を明確な識別仮定の下で形式化・検証すること。

提案手法

• ベースライン共変量で定義されるサブグループ間の前後アウトカム変化の差を比較する、サブグループ差分差分（SDiD）推定量を提案する。
• サブグループの平行トレンド仮定に依存する：共変量Xで定義されるサブグループ間で、反事後未治療アウトカムのトレンドが平行である。
• 治療効果の差を特定するために、式 $ E[Y_1 - Y_0 | X = x] - E[Y_1 - Y_0 | X = x'] $ を用いる。
• 一貫性とサブグループの平行トレンド仮定の下で識別を導出し、SDiD推定量が関心の因果推定量に等しいことを示す。
• カテゴリカルなXについては標本平均によるプラグイン推定を、連続的なXについては回帰モデルを用いる。
• 前後比較がサブグループ内でバイアスを含んでも、サブグループ間の反事後トレンドが平行であれば、この手法が有効であることを強調する。

実験結果

リサーチクエスチョン

• RQ1 治療済みユニットの前後データのみを用いて、対照群が存在しない状況で、ベースライン共変量による効果修正を同定できるか？
• RQ2 サブグループ間の前後アウトカム変化の差が、それらサブグループ間の治療効果の差を特定するには、どのような仮定が必要か？
• RQ3 個々のサブグループの治療効果が別個に特定可能でない場合でも、SDiD推定量は有効か？
• RQ4 標準的な平行トレンド仮定が成り立たない状況で、サブグループの平行トレンド仮定が成り立つような状況はどのようなものか？
• RQ5 理論的予測としての政策効果の非均一性（サブグループ別差異）を検証するためにSDiDを用いることができるか？

主な発見

• サブグループの平行トレンド仮定の下で、SDiD推定量は、対照群がなくてもサブグループ間の治療効果の差を同定できる。
• この手法は、公平性志向の分析や理論検証の文脈で、サブグループの公平性や差異化された影響が中心となる状況で、有効な推論を可能にする。
• サブグループの平行トレンド仮定は、何も仮定しないより強いが、標準的なDiDのグループ間平行トレンド仮定ほど強くない。
• 外部の時変共変量が治療群全体に均等に影響を与える状況では、SDiDが従来のDiDよりも好ましい場合がある。
• 前後比較がサブグループ内でバイアスを含んでも、反事後トレンドがサブグループ間で平行であれば、この手法は依然として有効である。
• 対照群が利用できない状況や、標準的なDiDの仮定が満たされない状況において、実用的な代替手法を提供する。