[논문 리뷰] Design-Robust Two-Way-Fixed-Effects Regression For Panel Data

Dmitry Arkhangelsky, Guido W. Imbens외 2명|arXiv (Cornell University)|2021. 07. 29.

Advanced Causal Inference Techniques참고 문헌 43인용 수 4

한 줄 요약

이 논문은 처리 할당 메커니즘 모델에서 유닛별 가중치를 유도한 디자인에 강건한 양방향 고정효과 회귀 추정기법을 제안한다. 이 추정기법은 처리 할당 모형 또는 결과 모형 중 하나만 정확히 특정되어도 일관성을 유지하는 강력한 이중 강건성(strong double robustness)을 달성하여, 처리가 단계적으로 시행되거나 모형이 잘못 지정된 경우 기존의 양방향 고정효과보다 향상된 추론을 가능하게 한다.

ABSTRACT

We propose a new estimator for average causal effects of a binary treatment with panel data in settings with general treatment patterns. Our approach augments the popular two-way-fixed-effects specification with unit-specific weights that arise from a model for the assignment mechanism. We show how to construct these weights in various settings, including the staggered adoption setting, where units opt into the treatment sequentially but permanently. The resulting estimator converges to an average (over units and time) treatment effect under the correct specification of the assignment model, even if the fixed effect model is misspecified. We show that our estimator is more robust than the conventional two-way estimator: it remains consistent if either the assignment mechanism or the two-way regression model is correctly specified. In addition, the proposed estimator performs better than the two-way-fixed-effect estimator if the outcome model and assignment mechanism are locally misspecified. This strong double robustness property underlines and quantifies the benefits of modeling the assignment process and motivates using our estimator in practice. We also discuss an extension of our estimator to handle dynamic treatment effects.

연구 동기 및 목표

• 처리 할당이 비랜덤이거나 모형이 잘못 지정된 경우 기존의 양방향 고정효과(TWFE) 회귀 분석의 한계를 해결하기 위해.
• 처리 할당 메커니즘을 명시적으로 모형화하여 인과 추론의 강건성을 향상시키는 새로운 추정기법을 개발하기 위해.
• 할당 모형과 결과 모형이 정확하거나 오류가 있을 경우에도 추정기법의 이론적 성질을 규명하기 위해.
• 단계적 도입 설계에서의 동적 처리 효과를 다룰 수 있도록 프레임워크를 확장하기 위해.
• 실증 적용에서 시간에 따른 모델을 사용하여 할당 메커니즘을 추정하는 데 실용적인 지침을 제공하기 위해.

제안 방법

• 기본 TWFE 회귀에 처리 할당 과정 모형에서 유도된 단위별 가중치 $\gamma_i$ 를 추가한다.
• 진짜 할당 모형과 일반화된 적합도 점수를 사용하여 오라클 가중치 $\gamma^\star$ 를 구성하여 디자인 기반 추론의 타당성을 확보한다.
• 처리 경로 $\mathbf{W}_i$ 의 지지역을 기반으로 비선형 방정식을 사용해 가중치를 결정하며, 단계적 도입과 같은 일반적인 설계에 대해 해를 유도한다.
• 할당 모형 또는 결과 모형 중 하나가 근사적으로 올바르면 추정기법이 일관성을 유지함을 보여 이중 강건성을 확립한다.
• 교차 적합( cross-fitting )을 사용한 집계된 보정된 역확률가중치(AIPW) 추정기법을 활용해 동적 처리 효과로 방법을 확장한다.
• 특히 단계적 도입 설정에서 실용적 구현을 가능하게 하기 위해 시간에 따른 모델을 사용해 할당 메커니즘을 데이터로부터 추정한다.

실험 결과

연구 질문

• RQ1 복잡하거나 잘못 지정된 할당 메커니즘이 있는 패널 데이터에서, 양방향 고정효과 추정기법의 강건성을 어떻게 향상시킬 수 있는가?
• RQ2 할당 모형 또는 결과 모형 중 하나가 잘못 지정되어도, 제안된 가중치 추정기법이 일관성을 유지할 수 있는 조건은 무엇인가?
• RQ3 처리 할당에 대한 설계 기반 가정을 반영해 단위별 가중치를 구성함으로써 추론을 향상시킬 수 있는가?
• RQ4 효과 이질성이 있는 유한 표본에서 제안된 추정기법은 기존의 TWFE 및 기타 강건 추정기법보다 어떻게 성능을 발휘하는가?
• RQ5 AIPW 추정기법에 고정효과를 포함시키는 영향은 무엇이며, 교차 적합이 짧은 패널에서 이중 강건성을 복원할 수 있는가?

주요 결과

• 제안된 추정기법은 강력한 이중 강건성을 달성한다: 할당 모형 또는 결과 모형 중 하나만 정확히 특정되어도 일관성을 유지한다.
• 오라클 추정기 $\hat{\tau}(\gamma^\star)$ 는 할당 모형이 정확히 특정되어 있으면 결과 모형과는 무관하게 유효하며, 디자인 기반 추론을 가능하게 한다.
• 유한 표본에서, 결과 모형과 할당 메커니즘이 모두 국소적으로 잘못 지정된 경우, 기존의 TWFE보다 추정기법이 더 우수한 성능을 발휘한다.
• 추정된 고정효과를 포함한 집계된 AIPW 추정기법은 결과 모형 추정치와 처리 할당 간의 의존성으로 인해 이중 강건성이 아니다.
• 고정효과를 추정할 경우 교차 적합이 비현실적인 편향을 해결하지 못하며, 이는 짧은 $T$ 설정에서 단위 고정효과를 추정하는 데의 과제를 강조한다.
• 단계적 도입 설계에서 시간에 따른 모델을 사용한 실증 적용은 할당 메커니즘의 일관된 추정을 가능하게 하여 실용적 구현을 지원한다.