[論文レビュー] Synthetic Controls and Weighted Event Studies with Staggered Adoption

Eli Ben‐Michael, Avi Feller+1 more|arXiv (Cornell University)|Dec 1, 2019

Advanced Causal Inference Techniques被引用数 12

ひとこと要約

この論文は、線形因子モデル下でのバイアス制御を改善するために、平均およびユニット別不均衡の両方を最小化する重み付きSCM推定量を提案することで、スケジュールされた採用設定における合成コントロール法（SCM）を一般化する。さらに、固定効果と組み合わせることで、SCM や固定効果単体よりも優れた性能を示す拡張推定量を構築する。この有効性は、シミュレーションと教員団体交渉の学校支出への影響を評価する応用を通じて検証された。

ABSTRACT

Staggered adoption of policies by different units at different times creates promising opportunities for observational causal inference. The synthetic control method (SCM) is a recent addition to the evaluation toolkit but is designed to study a single treated unit and does not easily accommodate staggered adoption. In this paper, we generalize SCM to the staggered adoption setting. Current practice involves fitting SCM separately for each treated unit and then averaging. We show that the average of separate SCM fits does not necessarily achieve good balance for the average of the treated units, leading to possible bias in the estimated effect. We propose SCM weights that instead minimize both average and state-specific imbalance, and show that the resulting estimator controls bias under a linear factor model. We also combine our partially pooled SCM weights with traditional fixed effects methods to obtain an augmented estimator that improves over both SCM weighting and fixed effects estimation alone. We assess the performance of the proposed method via extensive simulations and apply our results to the question of whether teacher collective bargaining leads to higher school spending, finding minimal impacts. We implement the proposed method in the augsynth R package.

研究の動機と目的

• 単一の被験単位を想定している伝統的な合成コントロール手法の限界に対処すること。これは、複数の単位に段階的な採用が生じる状況では困難である。
• 各被験単位ごとの個別SCM推定量を平均化すると、全体の効果推定値に不均衡とバイアスが生じる可能性があることの特定。
• 線形因子モデル下で、被験単位全体の平均的および州別不均衡の両方を最小化する統一された重み付けスキームの開発。
• 部分的にプールされたSCM重みと固定効果を組み合わせた拡張推定量の提案により、推定の効率性とバイアス制御の両方を向上。
• 広範なシミュレーションと、教員団体交渉の学校支出への影響を評価する応用を通じて、手法の実証的性能の評価。

提案手法

• すべての被験単位において、集計的および個別的な不均衡を同時に最小化する重み付き合成コントロール推定量を提案。これは制約付き最適化問題を解くことで実現。
• 2段階の重み付け手順を導入：まず、事前処理結果をバランスさせる個別ユニットSCM重みを推定。次に、これらの重みを部分的プール化することで安定性を向上。
• 線形因子モデル下での推定量の定式化を行い、提案された重みがこのモデル下で平均処置効果のバイアスを制御できることを示す。
• 重み付きSCM推定量と従来の固定効果を組み合わせ、両者の長所を活かした拡張推定量を構築。
• Rパッケージaugsynthにこの手法を実装し、研究者が標準的な推論手順を用いて段階的採用設定に適用できるようにする。
• シミュレーションスタディを用いて、提案手法と個別SCMフィット、固定効果を比較。バイアス、分散、平均二乗誤差を評価。

実験結果

リサーチクエスチョン

• RQ1 段階的採用設定において、各被験単位の個別合成コントロール推定量を平均化することは、平均処置効果推定値にバイアスをもたらすか？
• RQ2 段階的採用文脈において、平均的およびユニット別不均衡の両方を最小化する統一された重み付けスキームを開発可能か？
• RQ3 線形因子モデル下で、提案された重み付きSCM推定量は、標準的固定効果や個別SCMフィットと比較してどのように性能を発揮するか？
• RQ4 SCM重みと固定効果を組み合わせることで、バイアスと効率性の両面で個別手法を上回る拡張推定量が得られるか？
• RQ5 提案手法を用いて推定した場合、教員団体交渉の学校支出への実証的影響は何か？

主な発見

• 段階的採用設定において、個別SCMフィットの平均化は不均衡が悪化し、平均処置効果推定値にバイアスをもたらす可能性がある。
• 平均的および州別不均衡の両方を最小化する提案された重み付きSCM推定量は、線形因子モデル下でバイアスを制御する。
• 部分的にプールされたSCM重みと固定効果を組み合わせた拡張推定量は、シミュレーションにおいて、SCM重み付けや固定効果単体よりも低い平均二乗誤差を達成する。
• 実証的応用では、教員団体交渉が学校支出を引き上げるという明確な証拠は得られなかった。
• augsynth Rパッケージは、提案手法を効果的に実装しており、段階的採用デザインの再現可能でスケーラブルな分析を可能にしている。
• シミュレーションにより、提案手法が有限標本下でも良好な性能を発揮し、モデル誤指定に対しても頑健であることが確認された。