[論文レビュー] Uncertain Neighbors: Bayesian Propensity Score Matching For Causal Inference

R. Michael Alvarez, Inés Levin|arXiv (Cornell University)|May 5, 2021

Advanced Causal Inference Techniques参考文献 26被引用数 6

ひとこと要約

本稿では、点推定値の代わりに事後分布からの抽出値を用いることで、傾向スコアの推定不確実性を組み込むベイジアン傾向スコアマッチング（BPSM）を提案する。これにより、より任意性の少ないマッチング意思決定が可能となり、標準的PSMに比べてより頑健で、バイアスの少ない処置効果推定値が得られる。シミュレーションおよびコロンビアの土地改革研究の再現において、BPSMは標準的PSMが固定された点推定値に依存するのに対し、推定不確実性をより適切に反映した、より高い不確実性の定量化を伴う、より頑健でバイアスの少ない処置効果推定値をもたらした。

ABSTRACT

We compare the performance of standard nearest-neighbor propensity score matching with that of an analogous Bayesian propensity score matching procedure. We show that the Bayesian approach makes better use of available information, as it makes less arbitrary decisions about which observations to drop and which ones to keep in the matched sample. We conduct a simulation study to evaluate the performance of standard and Bayesian nearest-neighbor matching when matching is done with and without replacement. We then use both methods to replicate a recent study about the impact of land reform on guerrilla activity in Colombia.

研究の動機と目的

• 標準的傾向スコアマッチング（PSM）が推定された傾向スコアを既知の量として扱うという限界に対処すること。
• 傾向スコアの事後分布からの抽出値を用いて、マッチングの確率的決定を可能にするベイジアン代替手法を開発・評価すること。これにより、単位の任意の保持・除外が低減される。
• BPSMが標準的PSMと比較して、平均処置効果（ATE）の推定がより信頼性が高くバイアスの少ないものとなることを示すこと。
• 標準誤差推定のための事後再サンプリングやブートストラップを回避する、実装可能なベイジアン手法を提供すること。
• コロンビアにおける土地改革とゲリラ活動の実世界研究の再現を通じて、不確実性を考慮したマッチング下でのBPSMとPSMの結果を比較すること。

提案手法

• ベイジアン推論を用いて傾向スコアモデルを推定し、各観測単位に対して傾向スコアの事後分布を生成する。
• 単一の点推定値ではなく、各単位の傾向スコアの事後分布から複数の抽出値を生成する。
• 各抽出値を用いて近い隣接単位マッチングを実施し、距離尺度の不確実性を反映した確率的マッチングプロセスを構築する。
• 複数回の抽出結果を集約して処置効果の点推定値とcredibility区間を計算し、ブートストラップを回避する。
• MCMC法を用いて、傾向スコアモデルとアウトカムモデルの同時事後分布からのサンプリングを実施し、不確実性の伝播を保証する。
• シミュレーション研究およびコロンビアにおける土地改革とゲリラ活動の実世界研究の再現に本手法を適用する。

実験結果

リサーチクエスチョン

• RQ1 傾向スコアの推定不確実性を組み込むことで、マッチング手法における平均処置効果推定値の信頼性と精度はどのように変化するか？
• RQ2 ベイジアン傾向スコアマッチング（BPSM）は、標準的PSMと比較して、単位の保持意思決定の任意性を低減するか？
• RQ3 リサンプリングあり・なしの異なるマッチング条件下で、BPSMと標準的PSMは処置効果推定値の分散とバイアスにおいてどのように異なるか？
• RQ4 不確実性を考慮したマッチングは、実世界応用における標準誤差とcredibility区間にどのような影響を及ぼすか？
• RQ5 土地改革がゲリラ活動に与える影響を高水準の政策分析で評価する際、BPSMはPSMと比較して本質的に異なる処置効果推定値を生み出すか？

主な発見

• シミュレーションでは、BPSMが標準的PSMと比較して処置効果推定値の分散が小さく、不確実性の組み込みによる精度向上とバイアス低減が示された。
• コロンビアの土地改革研究の再現において、BPSMはATEが13.31と小さく、有意でない（95％credibility区間：-7.01～30.46）一方で、PSMは有意な推定値34.57を示し、標準誤差も大きかった。
• 市町村年単位のデータセットにおいても、BPSMはPSMよりも小さいATE推定値を示し、推定値の大きさは小さく、分散は高くなった。これは、不確実性を考慮したより慎重な推論を示している。
• ベイジアンアプローチにより、ブートストラップや事後シミュレーションを回避することができ、不確実性が自然に事後推論に組み込まれた。
• BPSMは、よりバランスの取れた共変量と、より任意性の少ない単位選択を実現した。複数回のマッチング抽出において、制御群単位の使用が一貫していた。
• 全体的な単位使用パターンは類似していたが、BPSMは確率的かつ追加の制御群単位を含めるため、より頑健で極端でない処置効果推定値が得られた。