[論文レビュー] The Effect of Omitted Variables on the Sign of Regression Coefficients

Matthew A. Masten, Alexandre Poirier|arXiv (Cornell University)|Aug 1, 2022

Advanced Causal Inference Techniques被引用数 14

ひとこと要約

本稿は、変数の省略バイアスが回帰係数の符号を反転させることが、係数をゼロに近づけるよりも容易であることを示し、オスターのデルタのような一般的に用いられる感度測度の妥当性に疑問を呈する。著者らは、より信頼性の高いロバストネス指標として符号反転の分解点を提唱し、補助的パラメータの範囲にわたる感度分析の実施を提言することで、実証的推論を改善する。

ABSTRACT

We show that, depending on how the impact of omitted variables is measured, it can be substantially easier for omitted variables to flip coefficient signs than to drive them to zero. This behavior occurs with "Oster's delta" (Oster 2019), a widely reported robustness measure. Consequently, any time this measure is large -- suggesting that omitted variables may be unimportant -- a much smaller value reverses the sign of the parameter of interest. We propose a modified measure of robustness to address this concern. We illustrate our results in four empirical applications and two meta-analyses. We implement our methods in the companion Stata module regsensitivity.

研究の動機と目的

• 回帰分析における係数の安定性、あるいはオスターのデルタによる「説明可能化」ロバストネスの仮定が、信頼性を保証するものではないという前提に挑戦すること。
• 非線形バイアス構造下では、係数の縮小よりも、変数の省略による符号反転がより深刻な脅威であることを示すこと。
• 既存の手法（例：オスターのデルタ）よりも情報量の多いロバストネス指標として、符号反転の分解点を提唱すること。
• 特にデルタが1に非常に近いが等しくない場合に、バイアス補正推定量が小さな感度パrameterの変化に対して極めて敏感であることに注目すること。
• 感度分析の実務的推奨事項を提示すること。具体的には、特定のセットの識別領域をプロットし、複数の手法を併用して分析すること。

提案手法

• 変数の省略を伴う回帰モデルにおいて、'説明可能化'と'符号反転'の分解点の明確な形式的区別を導入する。
• オスター（2019）の感度モデルにおける符号反転の分解点を導出し、これが「説明可能化」の分解点よりも顕著に小さいことを示す。
• デルタ = 1の周辺で、バイアス補正推定量が不連続な振る舞いを示し、デルタが1に非常に近いが等しくない場合でも、任意に大きなバイアスが生じ得ることを示す。
• 符号反転の挙動を考慮に入れた修正されたロバストネス指標を提案し、因果推定に対する信頼性を向上させる。
• 提案された感度分析フレームワークの実装と可視化に、Stataモジュール `regsensitivity` を用いる。
• 社会的資本とナチス・ドイツの政権獲得に関する4つの実証的ケースに、この手法を適用し、符号反転のリスクとロバストネスの向上を実証する。

実験結果

リサーチクエスチョン

• RQ1 変数の省略が回帰係数の符号を反転させるのは、係数をゼロに近づけるよりも容易か？
• RQ2 実際の応用において、符号反転の分解点はオスターの「説明可能化」分解点と比べてどのように異なるか？
• RQ3 なぜオスターのデルタに基づくバイアス補正は、デルタ = 1からわずかに逸脱する場合に極めて敏感になるのか？
• RQ4 係数の安定性だけでは、変数の省略バイアスの評価においてどの程度誤解を招くおそれがあるか？
• RQ5 複数の手法を併用し、補助的パrameterを変動させることで、研究者がどのように感度分析を改善できるか？

主な発見

• 符号反転の分解点は、常に「説明可能化」の分解点よりも小さいことが確認され、符号の反転が係数の縮小よりもより深刻な脅威であることが示された。
• オスターのデルタが大きい（ロバストであると示唆される）場合でも、その閾値をわずかに下回るデルタ値では、係数の符号が反転する可能性があり、結果に対する信頼性を損なう。
• デルタが1に非常に近いが等しくない場合、バイアス補正推定量は任意に大きなバイアスを示すことがあり、感度モデルに顕著な不連続性が存在することを明らかにした。
• 係数の安定性だけでは、制御変数を追加しても元の係数が変化しない場合でも、大きな変数の省略バイアスを除外できないことが示された。
• 実証的応用では、符号反転の挙動がロバストネスに関する結論を覆す可能性があるが、提案手法を適用することで信頼性が回復することが確認された。
• 感度パrameterの範囲を広く取り、複数の感度分析手法を併用することで、単一の点推定に依存する場合よりも、より信頼性が高く一貫性のある推論が可能になる。