[論文レビュー] Theory for identification and Inference with Synthetic Controls: A Proximal Causal Inference Framework

Xu Shi, Li, Kendrick+3 more|arXiv (Cornell University)|Aug 31, 2021

Advanced Causal Inference Techniques参考文献 44被引用数 8

ひとこと要約

本稿は、使用されない対照単位を潜在的交絡要因の代理として活用することで、事前適合度が悪い状況下でも一貫した合成コントロール重みおよび処置効果の推定を可能にする、プロキシ因果推論フレームワークを導入する。非線形モデルおよび時系列手法における同定化と推論を形式化し、自己相関および非定常要因に対しても頑健であることを示し、ドイツ統一の事例で検証されている。

ABSTRACT

Synthetic control (SC) methods are commonly used to estimate the treatment effect on a single treated unit in panel data settings. An SC is a weighted average of control units built to match the treated unit, with weights typically estimated by regressing (summaries of) pre-treatment outcomes and measured covariates of the treated unit to those of the control units. However, it has been established that in the absence of a good fit, such regression estimator will generally perform poorly. In this paper, we introduce a proximal causal inference framework to formalize identification and inference for both the SC and ultimately the treatment effect on the treated, based on the observation that control units not contributing to the construction of an SC can be repurposed as proxies of latent confounders. We view the difference in the post-treatment outcomes between the treated unit and the SC as a time series, which opens the door to various time series methods for treatment effect estimation. The proposed framework can accommodate nonlinear models, which allows for binary and count outcomes that are understudied in the SC literature. We illustrate with simulation studies and an application to evaluation of the 1990 German Reunification.

研究の動機と目的

• 事前適合度が悪い場合に合成コントロール手法に見られる限界を解消すること。
• 対照単位を潜在的交絡要因の代理として用いることで、合成コントロール重みの同定化と推論を形式化すること。
• 従来の文献で未だ十分に検討されていない、バイナリーやカウント結果を含む非線形モデルへの合成コントロール手法の拡張。
• 従来のOLSベースのSC推定の限界を克服し、系列相関のある誤差項および非定常な潜在的要因に対しても頑健な推論を可能にすること。
• 処置後における処置単位とSCとの結果差を時系列として扱い、処置効果推定に時系列分析手法を活用できるようにすること。

提案手法

• SC構築に使用されない対照単位を、その結果と同時刻の共変量を活用して潜在的交絡要因の代理として再利用する。
• プロキシモーメント条件に基づく一般化方法のモーメント（GMM）を用いて、合成コントロール重みの同定化を形式化する。
• 処置単位とSCとの間の処置後結果差を、処置効果を捉える決定的トレンドを含む時系列としてモデル化する。
• 結果差系列に対して、自己回帰モデルやスペクトル解析などの時系列手法を用い、処置効果の推定と推論を行う。
• 2つの推論戦略を適用する：大規模な処置後時系列点ではGMM（パラメトリックモデル τ(t/T;γ) を用いた平滑化）、小規模な時系列点ではコンフォーマル推論。
• 非パラメトリック同定化への拡張により、線形要因モデルの仮定を緩和し、バイナリーやカウント結果の推定が可能になる。

実験結果

リサーチクエスチョン

• RQ1 事前適合度が悪いが、潜在的要因負荷が一致する場合には、合成コントロール重みを一貫して推定できるか？
• RQ2 SCに寄与しない対照単位を、測定されない交絡要因下で処置効果を同定するためにどのように再利用できるか？
• RQ3 時系列モデリングが、処置単位とSCとの間の結果差から処置効果を推定・推論するために果たす役割は何か？
• RQ4 提案されたフレームワークは、バイナリーやカウントデータなどの非線形結果に対応できるか？
• RQ5 系列相関のある誤差項および非定常な潜在的要因下で、この手法はどのように動作するか？

主な発見

• 事前適合度が悪い状況下でも、補助的対照単位を潜在的交絡要因の代理として活用することで、合成コントロール重みおよび処置効果の一致推定が可能になる。
• 非パラメトリック同定化により、線形要因モデルの仮定を緩和し、バイナリーやカウント結果への応用が可能になる。
• ドイツ統一の事例では、PI法を用いた処置効果の推定値は1,055米ドル（95％信頼区間：488, 1,622）であり、偽装検定ではバイアスの兆候は認められなかった（偽装効果：125米ドル、95％信頼区間：-289, 539）。
• 1975年に偽装統一時を設定した偽装研究では、有意な偽装効果は認められず、提案手法の妥当性を支持する。
• GMMおよびコンフォーマル推論による推論が可能であり、後者は処置後時系列点の数が少ない場合に特に適している。
• 誤差項の系列相関および非定常な潜在的要因に対しても、このアプローチは頑健であり、従来の仮定を超えて合成コントロール手法の適用範囲を拡張する。