[논문 리뷰] Estimating effects within nonlinear autoregressive models: a case study on the impact of child access prevention laws on firearm mortality

Matthew Cefalu, Terry L. Schell외 3명|arXiv (Cornell University)|2021. 09. 07.

Healthcare Policy and Management참고 문헌 25인용 수 5

한 줄 요약

이 논문은 계수의 해석을 가능하게 하기 위해 비선형 자기회귀 모델—특히 음이항 자기회귀 모델—에 대한 새로운 근사 방법을 제안한다. 이는 지연된 결과의 내생성 문제를 보정함으로써 간접적인 간섭 효과 해석을 가능하게 하며, 미국의 화기 사망률 데이터에 대한 시뮬레이션에서 편향이 없고 MSE가 낮은 추정치를 도출한다. 이는 더 계산 비용이 많이 드는 접근 방식과 유사한 성능을 보인다.

ABSTRACT

Autoregressive models are widely used for the analysis of time-series data, but they remain underutilized when estimating effects of interventions. This is in part due to endogeneity of the lagged outcome with any intervention of interest, which creates difficulty interpreting model coefficients. These problems are only exacerbated in nonlinear or nonadditive models that are common when studying crime, mortality, or disease. In this paper, we explore the use of negative binomial autoregressive models when estimating the effects of interventions on count data. We derive a simple approximation that facilitates direct interpretation of model parameters under any order autoregressive model. We illustrate the approach using an empirical simulation study using 36 years of state-level firearm mortality data from the United States and use the approach to estimate the effect of child access prevention laws on firearm mortality.

연구 동기 및 목표

• 지연된 결과가 간섭 요인과 내생적인 상황에서 자기회귀 모델 계수를 해석하는 데 도전 과제를 해결하기 위해.
• 계수수치를 쉽게 이해할 수 있도록 비선형 자기회귀 모델—특히 음이항 모델—에 대한 단순한 해석 가능한 근사 방법을 개발하기 위해.
• 주 단위의 총기 정책이 화기 사망률에 미치는 즉각적 효과와 단계적 효과를 추정하는 데 있어 이 방법의 성능을 평가하기 위해.
• 기존의 다른 모델링 전략과 비교했을 때 이 방법이 편향이 없고 평균 제곱 오차(MSE)가 낮은 추정치를 제공함을 보여주기 위해.

제안 방법

• 저자는 음이항 자기회귀 모델(NB-DAMs)에서 지연된 결과의 내생성을 보정하기 위해 편향 보정 근사법을 제안하여 정책 계수의 직접적 해석을 가능하게 한다.
• 정책 효과는 연속 시간 위험 비율로 모델링되며, 연간 기간으로 평균화되어 이산 시간 데이터와 일치하도록 하여 즉각적 효과와 선형적으로 단계적으로 증가하는 효과를 모두 고려할 수 있다.
• 이 방법은 부분 연도 정책 시행을 고려하여 시간에 따른 평균 로그 위험 비율을 계산하기 위해 닫힌 형태의 수식을 사용한다.
• 이 방법은 미국의 36년 치 주 단위 화기 사망률 데이터를 사용한 실증적 시뮬레이션 연구를 통해 검증된다.
• 이전 연구를 확장하여 고차 자기회귀 모델을 지원하고, 계산 비용이 많이 드는 수치적 통합이 필요 없도록 한다.
• 이 방법은 효과 코드화 모델과 변화 코드화 모델, 그리고 이전 연구에서 사용된 수치적 통합 기반 방법과 비교하여 편향과 MSE 측면에서 평가된다.

실험 결과

연구 질문

• RQ1 지연된 결과가 내생적인 상황에서 비선형 자기회귀 모델, 특히 음이항 모델의 경우, 단순한 근사법이 간섭 계수의 직접적 해석을 가능하게 할 수 있는가?
• RQ2 제안된 방법은 총기 정책의 즉각적 효과와 단계적 효과를 화기 사망률에 대해 어떻게 추정하는가?
• RQ3 효과 코드화 모델이나 변화 코드화 모델과 같은 대안적 모델링 접근 방식과 비교했을 때 이 방법이 더 낮은 편향과 평균 제곱 오차(MSE)를 제공하는가?
• RQ4 이 방법은 일차 모델을 초월하여 고차 자기회귀 모델로 일반화될 수 있는가?
• RQ5 이 근사법은 다양한 진짜 효과 크기와 정책 시행 시점 설정 조건에서 유연하게 작동하는가?

주요 결과

• 제안된 근사법을 적용한 NB-DAMs는 시행 후 모든 연도에 대해 총 정책 효과에 대해 약간의 편향이 없는 추정치를 보였으며, 이는 효과 코드화 모델과 변화 코드화 모델와는 대조적이다.
• 진짜 효과가 0일 경우 효과 코드화 모델이 가장 낮은 MSE를 보였지만, 진짜 효과가 증가함에 따라 null 쪽으로 편향되는 경향을 보였다.
• 즉각적 효과(제1년도)를 추정할 때 변화 코드화 모델이 NB-DAMs보다 낮은 MSE를 보였지만, 시행 후 5년째 총 효과를 추정할 땐 NB-DAMs가 더 우수한 성능을 보였다.
• 이 방법은 일차 및 이차 자기회귀 모델 모두에서 낮은 편향과 경쟁 가능한 MSE를 유지하여 모델 순서에 대해 강건함을 입증했다.
• 이전 연구에서 사용된 계산 비용이 많이 드는 수치적 통합 방법과 유사한 정량적 추정치를 도출하여, 실용적이고 정확한 대안임을 시사한다.
• 시뮬레이션 결과는 이 근사법이 화기 사망률과 같은 결과 변수에 대해 유의미한 성능을 보이며, 연구자들이 도메인 특화 상황에서의 적합성을 검증할 것을 권고한다.