[논문 리뷰] Doubly Robust Estimation of Local Average Treatment Effects Using Inverse Probability Weighted Regression Adjustment

Tymon Słoczyński, S. Derya Uysal외 1명|arXiv (Cornell University)|2022. 08. 02.

Advanced Causal Inference Techniques인용 수 9

한 줄 요약

이 논문은 이중으로 강건한(DR) 추정 방법을 제안하며, 역확률가중회귀조정(IPWRA)을 사용하여 국소 평균 치료 효과(LATE) 및 치료 대상자에 대한 국소 평균 치료 효과(LATT)를 추정한다. 잼프라르 확률 점수 기반의 역확률 가중치와 준우도 추정을 조합함으로써, 예측된 값이 반응 변수의 논리적 범위 내에 유지되어 소표본 성능이 향상되고 모형 잘못 설정에 대해 강건한 추론이 가능해진다.

ABSTRACT

We revisit the problem of estimating the local average treatment effect (LATE) and the local average treatment effect on the treated (LATT) when control variables are available, either to render the instrumental variable (IV) suitably exogenous or to improve precision. Unlike previous approaches, our doubly robust (DR) estimation procedures use quasi-likelihood methods weighted by the inverse of the IV propensity score - so-called inverse probability weighted regression adjustment (IPWRA) estimators. By properly choosing models for the propensity score and outcome models, fitted values are ensured to be in the logical range determined by the response variable, producing DR estimators of LATE and LATT with appealing small sample properties. Inference is relatively straightforward both analytically and using the nonparametric bootstrap. Our DR LATE and DR LATT estimators work well in simulations. We also propose a DR version of the Hausman test that can be used to assess the unconfoundedness assumption through a comparison of different estimates of the average treatment effect on the treated (ATT) under one-sided noncompliance. Unlike the usual test that compares OLS and IV estimates, this procedure is robust to treatment effect heterogeneity.

연구 동기 및 목표

• 모형 중 하나인 결과 모형 또는 성향 점수 모형이 잘못 설정되어도 일관성을 유지하는 이중으로 강건한 LATE 및 LATT 추정기법을 개발한다.
• 준우도 추정 방법을 사용하여 예측된 값이 반응 변수의 타당한 범위 내에 유지되도록 하여, DR 추정기법의 소표본 성능을 향상시킨다.
• 분석적 표준오차와 비모수 부트스트랩을 사용한 간편한 추론 프레임워크를 제공한다.
• 한쪽 방향 비준수 상황에서 무관측성(unconfoundedness)을 평가하기 위해 이중으로 강건한 하우스만 검정의 버전을 제안한다. 이는 치료 효과 이질성에 대해 강건하다.
• 두 개의 유명한 데이터셋을 재분석함으로써 방법의 실증적 유용성을 입증한다: Abadie(2003)의 401(k) 계획 데이터와 Taubman 등(2014)의 Medicaid 데이터.

제안 방법

• 도구 변수의 성향 점수 기반으로 역확률 가중치를 사용하여 회귀 모형을 조정함으로써 IPWRA 추정기법을 구성한다.
• 결과 변수의 예측값이 타당한 범위 내에 유지되도록(예: 이진 결과의 경우 [0,1]) 준우도 추정 방법을 적용한다.
• 도구 변수의 성향 점수 모형 P(Z=1|X)와 잠재 결과의 기대값 모형 E(Y|W,X,Z)를 조합하여 이중으로 강건한 추정기법을 구성한다.
• 이중 단계 추정 절차를 사용한다: 먼저 성향 점수를 추정하고, 그 다음에 결과에 대한 역확률 가중치를 사용하여 회귀 조정을 수행한다.
• 분석적 표준오차를 유도하고 비모수 부트스트랩을 통해 추론을 지원한다.
• 한쪽 방향 비준수 상황에서 두 개의 ATT 추정치를 비교하는 이중으로 강건한 하우스만 유형 검정을 제안한다. 동일한 이중으로 강건한 프레임워크를 사용한다.

실험 결과

연구 질문

• RQ1 역확률가중회귀조정(IPWRA)을 사용하여 LATE 및 LATT에 대한 이중으로 강건한 추정기법을 구성할 수 있는가? 이 추정기법은 단일 모형 잘못 설정 상황에서도 일관성을 유지하는가?
• RQ2 제안된 IPWRA 추정기법은 AIPW와 같은 기존의 DR 방법보다 소표본 성능이 뛰어나며, 편향과 평균제곱오차 측면에서 더 낮은가?
• RQ3 이 방법을 한쪽 방향 비준수 상황에서 무관측성 검증을 위한 이중으로 강건한 하우스만 검정으로 확장할 수 있는가?
• RQ4 실증 응용에서 IPWRA 추정치는 AIPW 및 IV 추정치와 비교해 어떤가? 특히 정밀도와 추정된 치료 효과 측면에서 어떻게 다른가?
• RQ5 IPWRA를 통해 제어 변수를 포함하면, 도구 변수가 랜덤으로 할당되지 않았을 때 추정 효율성과 타당성이 향상되는가?

주요 결과

• IPWRA 추정기법은 AIPW 및 IV 추정기법보다 소표본 성능이 뛰어나며, 루트 평균제곱오차(RMSE)가 낮고, 명목상 95% 수준에 가까운 커버리지 비율을 보였다.
• 연속형 결과에 대한 시뮬레이션에서, IPWRA의 RMSE는 0.0192였으며, IV(0.0192), AIPW(0.0191), RA(0.0192)를 모두 능가했고, 커버리지 비율은 95.6% 이상이었다.
• 이진 결과의 경우 추정기법 간 차이가 미미했지만, IPWRA는 IV 및 IPW보다 여전히 뛰어난 성능을 보였으며, 커버리지 비율은 약 95.3–95.6% 수준이었다.
• Abadie(2003)의 401(k) 데이터 재분석 결과, IPWRA와 AIPW는 서로 다른 추정치를 보였고, IPWRA가 더 정밀한 것으로 나타났다.
• 오레곤 건강보험 실험에서 LATT는 LATE보다 더 큰 것으로 나타났으며, 이는 광범위한 경로에서 치료 효과가 더 크다는 것을 시사한다.
• 제안된 이중으로 강건한 하우스만 검정은 한쪽 방향 비준수 상황에서 무관측성 위반을 성공적으로 탐지했으며, 치료 효과 이질성에 대해 강건했다.