[논문 리뷰] An Optimal Transport Approach to Estimating Causal Effects via Nonlinear Difference-in-Differences

William Torous, Florian Gunsilius외 1명|arXiv (Cornell University)|2021. 08. 12.

Advanced Causal Inference Techniques인용 수 8

한 줄 요약

이 논문은 비선형 이중 차이(DiD) 설정에서 인과적 추론을 위한 최적 운반 기반의 새로운 방법을 제안하며, 단변량 또는 선형 가정을 초월하여 고차원의 역행성 결과와 치료 효과를 추정할 수 있도록 한다. 최적 운반 이론을 활용해 기존의 CiC 추정기법을 다변량 결과로 확장함으로써, 이질적 치료 효과에 대한 더 높은 내구성과 새로운 통찰을 제공한다. 특히 카드 & 크루거 최저임금 데이터셋을 재분석하여 더 세밀한 고용 영향을 규명하였다.

ABSTRACT

We propose a nonlinear difference-in-differences method to estimate multivariate counterfactual distributions in classical treatment and control study designs with observational data. Our approach sheds a new light on existing approaches like the changes-in-changes and the classical semiparametric difference-in-differences estimator and generalizes them to settings with multivariate heterogeneity in the outcomes. The main benefit of this extension is that it allows for arbitrary dependence and heterogeneity in the joint outcomes. We demonstrate its utility both on synthetic and real data. In particular, we revisit the classical Card \& Krueger dataset, examining the effect of a minimum wage increase on employment in fast food restaurants; a reanalysis with our method reveals that restaurants tend to substitute full-time with part-time labor after a minimum wage increase at a faster pace. A previous version of this work was entitled "An optimal transport approach to causal inference.

연구 동기 및 목표

• 기존의 차이의 차이(DiD) 및 변화의 변화(CiC) 추정기법이 고차원 결과와 이질적 치료 효과를 다루는 데에 한계를 보이는 문제를 해결하기 위해.
• 기존의 양자 함수를 통한 단변량 결과에 국한된 CiC 추정기법을 최적 운반 이론을 활용해 다변량 설정으로 일반화하기 위해.
• 잠재 결과 프레임워크 하에서 고차원의 역행성 분포를 추정하기 위한 계산적으로 실현 가능한 방법을 개발하기 위해.
• 디지털 마케팅, 게놈학 또는 정책 평가와 같은 복잡한 고차원 데이터를 포함한 설정에서 더 내구성 있고 민감한 인과적 추론 프레임워크를 제공하기 위해.
• 더 rich한 공변량 정보와 다변량 결과를 활용해 고전적인 카드 & 크루거 최저임금 연구를 재표현하고 재분석하여 새로운 치료 효과 패턴을 규명하기 위해.

제안 방법

• 이 방법은 제어군 데이터를 기준 측도로 삼아, 간섭 없이 치료 대상 단위의 연합 역행성 분포를 최적 운반 이론을 통해 모델링한다.
• 역행성 추정을 몽게-칸토로비치 최적 운반 문제로 재구성하여, 제어군 결과를 관측된 치료군 분포와 일치시키기 위해 운반 비용을 최소화한다.
• 계산적 최적 운반 기술의 발전을 활용해, 제한된 표본 크기에서 고차원 결과 벡터(예: 10차원의 레스토랑 특성)를 다룰 수 있다.
• 공변량은 표준화하여 다변량 및 분포 기반의 방식으로 치료 효과를 추정함으로써 결과 차원 간의 상관관계를 유지한다.
• 내구성은 20% 단위 제거를 반복한 10,000회 반복 샘플링과 공변량 조합에 따른 부분집합 분석을 통해 평가하여 기울기와 크기의 안정성을 평가한다.
• CiC 추정기법을 일반화하기 위해 단변량 분포 기반의 결합을 다변량 운반 맵으로 대체함으로써 전체 연합 역행성 분포의 추정이 가능해진다.

실험 결과

연구 질문

• RQ1 최적 운반 이론을 활용해 기존의 단변량 제한이 있는 CiC 추정기법을 다변량 결과로 확장할 수 있는가?
• RQ2 기존의 DiD 및 단변량 CiC와 비교해 복잡한 고차원 결과 공간에서 이질적 치료 효과의 추정을 어떻게 향상시킬 수 있는가?
• RQ3 다변량 고차원 공변량과 결과를 활용해 카드 & 크루거 최저임금 데이터셋을 재분석했을 때 새로운 통찰은 무엇이 나오는가?
• RQ4 작은 표본, 고차원 설정에서 공변량 선택과 단위 샘플링의 변동에 대해 추정된 치료 효과는 얼마나 내구성이 있는가?
• RQ5 최적 운반 접근법은 선형 또는 단변량 방법에 의해 가려졌을 수 있는, 정규직 대비 일부 시간제 고용에 대한 다릅니다.

주요 결과

• 10개의 공변량을 포함한 카드 & 크루거 데이터셋에서 최적 운반 방법은 평균적으로 1.54명의 추가 정규직 고용(ATE FT)을 추정하며, 최저임금 인상 후 정규직 고용이 증가함을 시사한다.
• 시간제 근로자에 대해서는 -1.66의 치료 효과(ATE PT)를 추정하며, 공변량 하위집합과 반복 샘플링 모두에서 내구성이 있다.
• 10,000회의 반복 실험 전반에서 두 치료 효과의 부호는 일관되며, 정규직 효과는 1%분위수 이하에서는 음수로, 시간제 효과는 96%분위수 이상에서는 양수로 나타나 이질적 반응이 있음을 시사한다.
• 단변량 CiC 및 DiD와 비교해 최적 운반 방법은 정규직 고용에 대해 더 작은 추정치(1.54 대 3.08 및 4.03)를, 시간제 근로자에 대해서는 더 음수로 추정(−1.66 대 −0.84 및 −0.97)하여, 기존 방법이 시간제 고용 감소를 과소평가할 수 있음을 시사한다.
• 공변량 선택에 대해 중간 정도의 민감도를 보이며, 정규직의 경우 추정치의 표준편차는 약 0.84, 시간제 근로자에 대해서는 0.99이며, 1,000회 반복 샘플링에서 부호 변화가 없었다.
• 결과는 다변량 최적 운반 방법이 단변량 또는 선형 방법보다 더 세밀한 치료 이질성을 포착할 수 있음을 시사하며, 특히 과거 추정치보다 시간제 고용이 더 부정적으로 영향을 받을 수 있음을 드러낸다.