[논문 리뷰] Identification and Estimation of Average Causal Effects in Fixed Effects Logit Models

Laurent Davezies, Xavier D’Haultfœuille외 1명|arXiv (Cornell University)|2021. 05. 03.

Spatial and Panel Data Analysis인용 수 8

한 줄 요약

이 논문은 짧은 패널 자료를 대상으로 고정효과 로짓 모형에서 평균 마진효과(AME)의 날카운(bounds) 및 추론 절차를 제공한다. 최대·최소 모멘트 문제를 이용해 최적화를 피함으로써, 두 가지 추정 전략을 제안한다: 날카운(bounds)를 위한 준모수적 이단계 추정기법과, 더 단순한 편향 인식 방법으로, 이는 진정한 AME에 가까운 근사값을 추정하며, 진짜 AME가 부분적으로만 식별될 경우에도 유효한 신뢰구간을 제공한다.

ABSTRACT

This paper studies identification and estimation of average causal effects, such as average marginal or treatment effects, in fixed effects logit models with short panels. Relating the identified set of these effects to an extremal moment problem, we first show how to obtain sharp bounds on such effects simply, without any optimization. We also consider even simpler outer bounds, which, contrary to the sharp bounds, do not require any first-step nonparametric estimators. We build confidence intervals based on these two approaches and show their asymptotic validity. Monte Carlo simulations suggest that both approaches work well in practice, the second being typically competitive in terms of interval length. Finally, we show that our method is also useful to measure treatment effect heterogeneity.

연구 동기 및 목표

• 고정효과 로짓 모형에서 평균 마진효과(AME)에 대한 식별 및 추정 방법의 부족을 해결하고자 하며, 이는 실용적 중요성을 지닌다.
• AME는 일반적으로 부분적으로만 식별되지만, 최대·최소 모멘트 문제를 통해 최적화 없이 날카운(bounds)를 도출할 수 있음을 보여준다.
• 두 가지 실용적인 추정 전략을 개발한다: 한 가지는 모멘트 벡터의 비모수적 추정에 기반하고, 다른 하나는 비모수적 추정을 피하기 위해 편향 인식 근사법을 사용한다.
• 이 프레임워크를 평균 처리효과(ATE), 평균 구조함수, 순서형 고정효과 로짓 모형으로 확장한다.
• 기울기 계수 값이 0일 경우에도 약한 규칙성 조건 하에서 AME에 대해 渐近적으로 유효한 신뢰구간을 제공한다.

제안 방법

• 기댓값이 알려진 분포에 제약을 두고, 주어진 모멘트에 대해 최대·최소화하는 방식으로 최대·최소 모멘트 문제를 이용해 AME의 날카운(bounds)를 유도한다.
• 비모수적 추정을 통해 U ∈ [0,1]에 대해 (1, E(U), ..., E(U^T))의 원시 모멘트 벡터를 추정한 후, 이를 변환하여 bounds를 도출하는 준모수적 이단계 추정기법을 제안한다.
• 초기 추정기의 비모수적 제약 조건을 도입하여 변환된 추정치가 여전히 유효한 모멘트 벡터가 되도록 보장하며, 투영 유사 보정을 사용한다.
• 더 단순한 대안을 도입: 진짜 AME와 유계 거리 내에 있는 양을 추정하고, Donoho(1994) 및 Armstrong & Kolesár(2018)의 편향 인식 추론을 적용한다.
• 규칙성 조건 하에서 bounds 추정기의 渐近 정규성을 도출하며, 데이터 생성 과정 전반에 걸쳐 균일하게 유효하다.
• 동일한 프레임워크를 ATE, 평균 구조함수, 순서형 로짓 모형에 적용하여 광범위한 적용 가능성을 보여준다.

실험 결과

연구 질문

• RQ1 복잡한 최적화 문제를 해결하지 않고도 고정효과 로짓 모형에서 평균 마진효과의 날카운(bounds)를 도출할 수 있는가?
• RQ2 파arameter가 부분적으로만 식별될 경우, AME에 대해 유효한 신뢰구간을 어떻게 구성할 수 있는가?
• RQ3 비모수적 추정을 피하면서도 渐近적으로 유효한 간단한 추정 전략을 개발할 수 있는가?
• RQ4 진짜 기울기 계수가 0일 경우, 제안된 방법들이 얼마나 강인하게 유지되는가?
• RQ5 식별 및 추정 프레임워크를 평균 처리효과 및 기타 비선형 고정효과 모형으로 확장할 수 있는가?

주요 결과

• 최대·최소 모멘트 문제를 통해 수치 최적화 없이도 평균 마진효과의 날카운(bounds)를 직접 계산할 수 있다.
• 준모수적 이단계 추정기법은 기울기 계수가 0일 경우에도 루트-n 일관성과 渐近 정규성을 확보한다.
• 편향 인식 추정기법은 비모수적 추정을 피하고, 광범위한 데이터 생성 과정에 대해 渐近적으로 유효하며 균일하게 제어되는 신뢰구간을 제공한다.
• 몬테카를로 시뮬레이션 결과, 두 방법 모두 유한 표본에서 잘 작동하며, 단순함에도 불구하고 편향 인식 방법은 종종 매우 경쟁력이 있다.
• 프레임워크는 AME를 넘어서 평균 처리효과, 평균 구조함수, 순서형 고정효과 로짓 모형으로도 적용 가능하다.
• 이론적 결과는 표준 규칙성 조건 하에서 핵심 추정기들(예: 분산 추정기, 정규화된 잔차합)의 균일 수렴을 확인한다.