[논문 리뷰] Assessing Sensitivity to Unconfoundedness: Estimation and Inference

Matthew A. Masten, Alexandre Poirier외 1명|arXiv (Cornell University)|2020. 12. 31.

Advanced Causal Inference Techniques참고 문헌 23인용 수 5

한 줄 요약

이 논문은 조건부 독립성에서의 벗어남을 정량화하기 위해 스칼라 민감도 매개변수 $ c $ 를 사용하여 비모수적 민감도 분석을 제안한다. 이는 비모수적 가정을 강하게 요구하지 않는 조건부 독립성 하에서 치료 효과 추정에 대해 적용 가능하다. 평균 치료 효과(ATE)와 평균 치료 효과의 처리자에 대한 평균 효과(ATT)에 대한 경계에 대한 추정기와 균일 신뢰구간을 제안하여, 강한 모수적 가정 없이도 견고한 추론을 가능하게 한다.

ABSTRACT

This article provides a set of methods for quantifying the robustness of treatment effects estimated using the unconfoundedness assumption. Specifically, we estimate and do inference on bounds for various treatment effect parameters, like the Average Treatment Effect (ATE) and the average effect of treatment on the treated (ATT), under nonparametric relaxations of the unconfoundedness assumption indexed by a scalar sensitivity parameter <i>c</i>. These relaxations allow for limited selection on unobservables, depending on the value of <i>c</i>. For large enough <i>c</i>, these bounds equal the no assumptions bounds. Using a nonstandard bootstrap method, we show how to construct confidence bands for these bound functions which are uniform over all values of <i>c</i>. We illustrate these methods with an empirical application to the National Supported Work Demonstration program. We implement these methods in the companion Stata module tesensitivity for easy use in practice.

연구 동기 및 목표

• 데이터로부터 조건부 독립성 가정을 검증할 수 없을 때 인과적 추론에서 견고한 민감도 분석의 필수적 필요성을 해결하기 위해.
• 스칼라 민감도 매개변수 $ c $ 를 통해 조건부 독립성을 비모수적으로 완화하는 방법을 개발하여, 관측되지 않은 변수에 대한 제한된 선택을 가능하게 하기 위해.
• 강력한 보조 가정이 일반적으로 존재하는 기존 민감도 분석과는 달리, 모든 $ c $ 값에 대해 추정 및 균일 추론을 가능하게 하기 위해.
• 연구자들이 자신의 치료 효과 추정치가 조건부 독립성 위반에 얼마나 민감한지 평가할 수 있는 실용적 프레임워크를 제공하기 위해.
• 실용적 사용을 위해 Stata 모듈로 이 방법을 구현하여 널리 접근 가능하고 재현 가능한 경험적 연구에 기여하기 위해.

제안 방법

• 조건부 $ c $-의존성에 기반한 비모수적 조건부 독립성 완화를 제안하며, $ c \in [0,1] $ 는 확률 단위로 조건부 독립성에서의 최대 이탈을 측정한다.
• ATE, ATT와 같은 치료 효과 파rameter에 대한 닫힌 형태의 경계를 $ c $ 의 함수로 유도하며, $ c=0 $ 은 조건부 독립성 가정을 복원하고, $ c=1 $ 은 Manski(1990)의 비모수적 경계를 제공한다.
• 잠재적 결과와 성향점수의 경험적 분포를 사용하여 치료 효과의 상한과 하한에 대한 표본 유사 추정기 도입.
• 모든 $ c \in [0,1] $ 에 대해 균일 신뢰구간을 구성하기 위해 비표준 부트스트랩 절차 개발하여, 민감도 매개변수 공간 전체에서 유효한 추론 보장.
• 규칙성 조건 하에서 경계 추정기의 하다마르드 미분 가능성 증명을 위해 델타 방법 원리를 활용하여 점근 정규성을 확보하고 추론 가능하게 함.
• 실용적 사용을 위해 Stata 모듈로 이 방법을 구현하여 추정 및 민감도 경계의 시각화 지원.

실험 결과

연구 질문

• RQ1 스칼라 민감도 매개변수 $ c $ 로 측정된 조건부 독립성 가정에서의 이탈에 대해 추정된 치료 효과는 얼마나 민감한가?
• RQ2 강한 모수적 가정 없이 비모수적 조건부 독립성 완화 하에서 치료 효과 경계의 추정 및 추론이 가능한가?
• RQ3 모든 $ c $ 범위에서 민감도 경계의 표본 변동성은 어떻게 되며, 전체 $ c $-범위에 걸쳐 균일 신뢰구간을 어떻게 구성할 수 있는가?
• RQ4 기존의 파라미터 민감도 분석과 비교해 볼 때 제안된 경계는 어떤가 하여 견고성과 해석 가능성 면에서 더 낫다고 할 수 있는가?
• RQ5 실제 설정, 예를 들어 National Supported Work Demonstration 프로그램에서 이 방법의 경험적 성능은 어떠한가?

주요 결과

• 제안된 방법은 민감도 매개변수 $ c $ 의 모든 값에 대해 유효한 균일 신뢰구간을 생성하여, 관측되지 않은 혼란 요인에 대한 가능한 모든 범위에서 커버리지 보장.
• ATE와 ATT에 대한 경계는 $ c $ 에 대해 단조롭게 변화하며, $ c $ 가 작을수록 경계가 좁고 $ c $ 가 증가함에 따라 넓어지며, 더 큰 관측되지 않은 혼란 요인에 따른 불확실성 증가 반영.
• 비표준 부트스트랩 절차는 경계 추정기의 표본 변동성을 효과적으로 고려하여, 경계가 $ c $ 에 대해 미분 가능하지 않은 함수일 경우에도 유효한 추론 가능하게 함.
• 잠재적 결과나 관측되지 않은 혼란 요인에 대한 모수적 모형 선택에 대해 강인하며, 이는 관측된 데이터와 스칼라 $ c $ 에만 의존하기 때문이다.
• National Supported Work Demonstration에 대한 경험적 적용 결과, 중간 정도의 조건부 독립성 위반에 대해서도 추정된 치료 효과가 상대적으로 안정적이며, 경미한 관측되지 않은 혼란 요인에 대해 견고함을 시사.
• Stata 모듈 구현을 통해 연구자들이 민감도 경계를 쉽게 계산하고 시각화할 수 있어, 응용 미시경제학 연구에서의 정기적 활용 촉진.