[논문 리뷰] Estimating Counterfactual Matrix Means with Short Panel Data

Lihua Lei, Brad Ross|arXiv (Cornell University)|2023. 12. 12.

Spatial and Panel Data Analysis인용 수 4

한 줄 요약

이 논문은 결측된 결과가 있는 짧은 패널 데이터에서 반사적 행렬 평균을 추정하기 위한 새로운 방법을 제안한다. 낮은 질서의 요인 모형을 활용하여 일반적인 결측 패턴을 다룰 수 있으며, 고정된 결과 차원 하에서 일致하고 점근적으로 정규분포를 따르는 추정이 가능하다. 또한 집계된 요인 추정치의 단일 고유분해를 통해 계산적으로 효율적인 추론이 가능하며, 반사적 추정에 비해 TWFE 기반 추정기보다 더 우수한 성능을 보였다. 반사적 추정의 성능은 반사적 추정의 성능을 뛰어넘는다.

ABSTRACT

We develop a spectral approach for identifying and estimating average counterfactual outcomes under a low-rank factor model with short panel data and general outcome missingness patterns. Applications include event studies and studies of outcomes of "matches" between agents of two types, e.g. people and places, typically conducted using less-flexible Two-Way Fixed Effects (TWFE) models of outcomes. Given finite observed outcomes per unit, we show our approach identifies all counterfactual outcome means, including those not identified by existing methods, if a particular graph algorithm determines that units' sets of observed outcomes have sufficient overlap. Our analogous, computationally efficient estimation procedure yields consistent, asymptotically normal estimates of counterfactual outcome means under fixed-$T$ (number of outcomes), large-$N$ (sample size) asymptotics. When estimating province-level averages of held-out wages from an Italian matched employer-employee dataset, our estimator outperforms a TWFE-model-based estimator.

연구 동기 및 목표

• 대규모 횡단적 자료에서 각 단위당 관측된 결과가 몇 개에 불과할 때 반사적 결과를 추정하는 데 도전하는 것.
• 기존의 요인 모형 기반 접근법이 수용하지 못하는 일반적인 결과 결측 패턴을 다룰 수 있는 방법을 개발하는 것.
• 저차원의 관측되지 않은 혼란요인 하에서 반사적 평균의 일致성과 점근적 정규성 추정을 가능하게 하는 것.
• 집계된 요인 추정치의 단일 고유분해만을 요구함으로써 계산적 효율성을 확보하는 것.
• 요인 모형의 유연성과 짧은 패널 설정에서 TWFE 추정기의 강건성 사이의 격차를 메우는 것.

제안 방법

• 다양한 결과에 대해 다차원 관측되지 않은 혼란요인의 영향을 다르게 미치는 것을 允허하는 저차원 요인 모형을 사용하여 결과를 표현한다.
• 동일한 관측된 결과 패턴을 가진 단위의 부분집합 기반 집계를 통해 요인 하중과 공통 충격을 추정한다.
• 추정된 요인 구성요소로부터 구성된 공분산 유사 행렬에 고유분해를 적용하여 반사적 평균 추정치를 추출한다.
• 집계된 요인 추정치 행렬의 고유공간을 사용하여 반사적 평균 행렬에 대한 투영 기반 추정기를 구현한다.
• 유계 연산자 노름과 엄격한 외부성 등의 규칙성 조건 하에서 점근적 정규성과 추론 유효성을 도출한다.
• 두 단계 추정 절차를 시행한다: 먼저 결과 패턴 그룹별로 요인 구조를 추정하고, 그 다음 집계하여 고유분해를 통해 반사적 평균을 복원한다.

실험 결과

연구 질문

• RQ1 대규모 횡단적 자료에서 각 단위당 관측된 결과가 몇 개에 불과할 때 반사적 행렬 평균을 일치하게 추정할 수 있는가?
• RQ2 TWFE나 기존 요인 모형이 지원하지 못하는 일반적인 결과 결측 패턴은 짧은 패널 데이터에서 어떻게 다룰 수 있는가?
• RQ3 집계된 요인 추정치의 단일 고유분해에 의존하는 방법의 계산적 및 통계적 효율성은 어떠한가?
• RQ4 복잡한 결측과 혼란요인 존재 하에서 제안된 방법이 TWFE 기반 추정기보다 뛰어나게 성능을 발휘하는가?
• RQ5 추정기의 점근적 정규성과 추론 유효성이 성립하는 조건은 무엇인가?

주요 결과

• 제안된 방법은 고정된 결과 차원과 일반적인 결측 패턴 하에서 반사적 결과 평균의 일치성과 점근적 정규성 추정을 제공한다.
• 집계된 요소 추정치로부터 구성된 행렬의 단일 고유분해만을 요구함으로써 계산적 효율성을 달성한다.
• 매칭된 고용주-근로자 데이터를 사용한 반사적 시뮬레이션에서, 이 방법은 편향과 평균제곱오차 측면에서 TWFE 기반 추정기보다 뛰어난 성능을 보였다.
• 이론적 결과는 추정기의 점근적 분포가 유계 연산자 노름과 엄격한 외부성 등의 온건한 규칙성 조건 하에서 유효하다고 보여준다.
• 혼란요인이 저차원이면서 요인 모형에 의해 포괄될 경우, 비무시적 결측일지라도 방법의 유효성은 유지된다.
• 추정기의 수렴 속도는 $O_p(N^{-1/2})$이며, 고유공간 추정의 펌질론 이론적 접근을 통해 점근적 분포가 유도되었다.