[논문 리뷰] Identification and Estimation of Spillover Effects in Randomized Experiments

Gonzalo Vázquez-Baré|arXiv (Cornell University)|2017. 11. 07.

Advanced Causal Inference Techniques인용 수 6

한 줄 요약

이 논문은 간섭이 있는 랜덤화 실험에서 직접 효과와 확산 효과(nonparametric estimators)를 제안하며, 표준 방법인 차이의 평균과 감소형 선형 평균 회귀 분석이 음수 가중치와 혼란스러운 효과 조합으로 인해 편향된 추정을 초래한다는 것을 보여준다. 제안된 추정기법은 双-어레이 점점 증가하는 점근적 프레임워크 하에서 균일한 일致성과 점근적 정규성을 달성하며, 기존 방법이 효과를 감지하지 못하는 비선형 확산 효과가 뚜렷하게 드러남을 보여준다.

ABSTRACT

I study identification, estimation and inference for spillover effects in experiments where units' outcomes may depend on the treatment assignments of other units within a group. I show that the commonly-used reduced-form linear-in-means regression identifies a weighted sum of spillover effects with some negative weights, and that the difference in means between treated and controls identifies a combination of direct and spillover effects entering with different signs. I propose nonparametric estimators for average direct and spillover effects that overcome these issues and are consistent and asymptotically normal under a precise relationship between the number of parameters of interest, the total sample size and the treatment assignment mechanism. These findings are illustrated using data from a conditional cash transfer program and with simulations. The empirical results reveal the potential pitfalls of failing to flexibly account for spillover effects in policy evaluation: the estimated difference in means and the reduced-form linear-in-means coefficients are all close to zero and statistically insignificant, whereas the nonparametric estimators I propose reveal large, nonlinear and significant spillover effects.

연구 동기 및 목표

• 비겹치는 동료 그룹 내에서 간섭이 발생하는 랜덤화 실험에서 직접 효과와 확산 효과를 식별하고 추정하는 것.
• 일반적으로 사용되는 추정량인 차이의 평균과 감소형 선형 평균 회귀 분석이 음수 가중치와 혼란스러운 효과 조합으로 인해 인과적 해석이 불가능하다는 것을 입증하는 것.
• 표본 크기, 매개변수 수, 치료 배정 메커니즘에 대한 정확한 조건 하에서 일치하고 점근적으로 정규적인 평균 직접 효과 및 확산 효과 비모수적 추정기법을 개발하는 것.
• 특히 그룹 크기가 중간 또는 크기일 경우, 이질적이고 비선형적인 확산 효과가 존재하는 상황에서 타당한 추론을 위한 프레임워크를 제공하는 것.
• 비모수적 추정이 가능하고 효율적인 조건을 정량적으로 규명하여 실험 설계를 안내하는 것.

제안 방법

• 동료의 치료 배정 및 결과를 기반으로 한 융통성 있는 치료 규칙을 바탕으로 한 평균 직접 효과 및 확산 효과 비모수적 추정기법을 제안한다.
• 비겹치는 동료 그룹 내에서 간섭이 발생하고 치료 규칙이 정확하거나 융통성 있게 제시된 경우, 전체 확산 효과 벡터가 식별 가능한 조건을 설정한다.
• 표본 크기와 함께 그룹 수와 매개변수 수가 모두 증가하는 이중 어레이 점근적 프레임워크에서 점근적 성질을 도출하며, 균일한 일치성과 점근적 정규성을 보장한다.
• 알려진 양수 가중치를 가진 확산 효과의 가중 평균을 안정적으로 추정할 수 있는 회귀 기반 융합 전략을 도입하여 표준 추론을 가능하게 한다.
• 치료 규칙의 잘못된 특정화를 처리하기 위해 조건부 모멘트 제약 조건을 활용하는 이중 강건한 접근법을 도입한다.
• 시뮬레이션과 조건부 현금 전달 프로그램의 실증 분석을 통해 제안된 추정기법의 타당성을 검증하고 기존 방법과 비교한다.

실험 결과

연구 질문

• RQ1 랜덤화 실험에서 간섭이 발생할 경우, 어떤 조건에서 직접 효과와 확산 효과를 비모수적으로 식별할 수 있는가?
• RQ2 확산 효과가 존재할 경우, 왜 표준 추정량인 차이의 평균과 감소형 선형 평균 회귀 분석이 인과적 해석을 제공하지 못하는가?
• RQ3 그룹 수, 매개변수 수, 치료 배정 메커니즘이 함께 작용할 때 비모수적 확산 효과 추정기법의 일치성과 점근적 정규성에 어떤 영향을 미치는가?
• RQ4 합산된 회귀 기반 추정기법은 표준 조건 하에서 의미 있고 해석 가능한 확산 효과 평균을 회복하고 타당한 추론을 가능하게 하는가?
• RQ5 기존 추정기법은 실제 데이터에서 큰 비선형적이고 유의미한 확산 효과를 얼마나 깊이 가로막는가?

주요 결과

• 차이의 평균 추정기법은 모든 개인 효과가 알려져 있더라도 직접 효과와 확산 효과의 차이를 부호가 결정되지 않은 채로 조합하므로, 인과적 해석이 훼손된다.
• 감소형 선형 평균 회귀 계수는 일부 음수 가중치를 가진 확산 효과의 선형 조합을 식별하므로, 모든 확산 효과가 비영일지라도 계수가 0이 될 수 있다.
• 조건부 현금 전달 프로그램의 실증 분석 결과, 차이의 평균과 RF-LIM 계수는 0에 가까우며 통계적으로 유의미하지 않지만, 제안된 비모수적 추정기법은 큰 비선형적이고 유의미한 확산 효과를 드러낸다.
• 표본 크기 대비 매개변수 수가 너무 빠르게 증가하지 않으며, 치료 배정 확률이 너무 작지 않은 조건 하에서 비모수적 추정기법은 균일한 일치성과 점근적 정규성을 확보한다.
• 시뮬레이션 결과, 효과가 비선형적이거나 이질적인 경우 제안된 추정기법이 기존 방법보다 확산 효과를 더 잘 탐지함을 확인한다.
• 남성 형제보다 여성 형제에서 더 큰 확산 효과가 있는 것으로 암시적인 증거를 발견했지만, 표본 크기가 작아 통계적으로 유의미하지 않다.