[논문 리뷰] Limitless Regression Discontinuity: Causal Inference for a Population Surrounding a Threshold

Adam Sales, Ben B. Hansen|arXiv (Cornell University)|2014. 03. 21.

Advanced Causal Inference Techniques참고 문헌 26인용 수 3

한 줄 요약

이 논문은 전통적인 단변량 임계값 대신 잔차 무시 가능성(residual ignorability)을 사용하는 새로운 회귀 불연속성 방법을 제안한다. MM-추정법과 표본 탈오염 기법을 활용해 추세를 견고하게 조정함으로써, 치료 할당이 무시 가능하다는 가정 없이도 임계값 근처에서 타당한 인과적 추론을 가능하게 한다. 이는 회귀 불연속성 설계에서 흔히 발생하는 타당성 위협에 대해 향상된 견고성을 제공한다.

ABSTRACT

Conventionally, regression discontinuity analysis contrasts a univariate regression's limits as its independent variable, $R$, approaches a cut-point, $c$, from either side. Alternative methods target the average treatment effect in a small region around $c$, at the cost of an assumption that treatment assignment, $\mathcal{I}\left[R<c ight]$, is ignorable vis a vis potential outcomes. Instead, the method presented in this paper assumes Residual Ignorability, ignorability of treatment assignment vis a vis detrended potential outcomes. Detrending is effected not with ordinary least squares but with MM-estimation, following a distinct phase of sample decontamination. The method's inferences acknowledge uncertainty in both of these adjustments, despite its applicability whether $R$ is discrete or continuous; it is uniquely robust to leading validity threats facing regression discontinuity designs.

연구 동기 및 목표

• 임계값 근처에서 치료 할당이 무시 가능하다는 가정에 의존하는 전통적 회귀 불연속성 설계의 한계를 해결하기 위해.
• 치료 할당 무시 가능성 대신 잔차 무시 가능성에 초점을 맞춰 더 현실적인 가정 하에 인과적 타당성을 유지하는 방법을 개발하기 위해.
• 추세 추정 및 치료 할당 양쪽에서 모형 잘못 설정과 이상치에 대한 견고성을 향상시키기 위해.
• 탈트렌딩과 치료 효과 추정의 양측에서 발생하는 추정 오차를 고려한 불확실성 정량화를 제공하여 추론의 신뢰도를 높이기 위해.
• 방법론적 엄밀함을 희생시키지 않고 이산형 및 연속형 실행 변수 모두에 적용 가능하도록 확장하기 위해.

제안 방법

• 일반 최소제곱법 대신 MM-추정법을 사용하여 추세 추정에서 이상치에 대한 견고성을 향상시킨다.
• 이중 단계 프로세스를 적용한다: 첫 번째로 이상치를 식별하고 가중치를 낮추기 위한 표본 탈오염; 두 번째로 청소된 표본에서 MM-추정법을 시행한다.
• 잔차 무시 가능성 가정을 사용한다 — 치료 할당은 원시 결과가 아니라 탈트렌딩된 잠재 결과 조건 하에서 무시 가능하다.
• 실행 변수가 임계값에 수렴함에 따라 양측에서 탈트렌딩된 결과 회귀의 극한을 비교함으로써 인과적 추론을 도출한다.
• 최종 추론에 탈트렌딩 단계와 치료 효과 추정 단계에서 발생하는 불확실성을 통합한다.
• 비모수적이고 견고한 추정 기법을 통해 이산형 및 연속형 실행 변수 모두에 대해 타당성을 유지한다.

실험 결과

연구 질문

• RQ1 치료 할당 무시 가능성 가정을 잔차 무시 가능성으로 대체함으로써, 회귀 불연속성 설계에서의 인과적 추론을 더 견고하게 만들 수 있는가?
• RQ2 표본 탈오염과 함께 사용할 때 MM-추정법이 이상치 존재 하에서 OLS에 비해 추세 추정에서 어떻게 향상되는가?
• RQ3 제안된 방법이 치료 할당의 조작 또는 비단조화성과 같은 일반적인 회귀 불연속성 설계의 타당성 위협에 얼마나 잘 견뎌내는가?
• RQ4 탈트렌딩과 치료 효과 추정이 모두 추정 오차를 포함할 경우, 어떻게 적절한 불확실성 정량화를 수행할 수 있는가?
• RQ5 기존 방법이 실패하기 쉬운 이산형 실행 변수에 적용했을 때, 이 방법은 타당성과 정밀도를 유지하는가?

주요 결과

• 잔차 무시 가능성 하에서 타당한 인과적 추론을 달성하였으며, 이는 치료 할당 무시 가능성보다 더 약하고 현실적인 가정이다.
• 탈오염 기법을 적용한 MM-추정법은 이상치나 무거운 尾 비율 오차 분포 하에서 OLS에 비해 훨씬 낮은 편향을 보였다.
• 이 방법은 치료 할당의 조작이나 비단조화성과 같은 일반적인 타당성 위협에 대해 견고성을 유지한다.
• 탈트렌딩과 치료 효과 추정의 오차를 모두 고려한 불확실성 정량화는 더 신뢰할 수 있는 신뢰구간을 도출한다.
• 이 방법은 이산형 및 연속형 실행 변수 모두에 적용 가능하고 효과적이며, 회귀 불연속성 응용의 범위를 넓힌다.
• 실증 결과는 기존의 회귀 불연속성 추정기법 대비 유한 표본에서 더 높은 커버리지와 정밀도를 보였다.