[논문 리뷰] Nonparametric Heterogeneous Treatment Effect Estimation in Repeated Cross Sectional Designs

Xinkun Nie, Chen Lü외 1명|arXiv (Cornell University)|2019. 05. 28.

Advanced Causal Inference Techniques참고 문헌 64인용 수 4

한 줄 요약

이 논문은 반복 횡단면 차등분석(DiD) 설계에서 이질적 치료 효과를 비모수적 추정하는 방법을 제안하며, 보정성(orthogonality)을 활용하여 치료 효과 추정의 빠른 수렴 속도를 달성한다. 이는 부수적 성분(예: 결과 모형 및 성향 스코어 모형)이 느린 속도로 추정되더라도 가능하다. 이 방법은 조건부 평행 추세 조건 하에서 민감도가 높고 반세미모수적 추정을 가능하게 하며, 시뮬레이션과 실제 응용 사례에서 뛰어난 경험적 성능을 보인다.

ABSTRACT

Identifying heterogeneity in a population's response to a health or policy intervention is crucial for evaluating and informing policy decisions. We propose a novel heterogeneous treatment effect estimator in the difference-in-differences design with repeated cross sectional data, where we observe different samples of a population at two time periods separated by the onset of a policy intervention, as well as samples of a population that serves as the control. Our estimator has orthogonality properties that enable fast rates on learning the treatment effect while allowing slower rates for estimating nuisance components. Our proposal shows promising empirical performance across a variety of simulation setups.

연구 동기 및 목표

• 이상적 기능 형태를 가정하지 않고 반복 횡단면 차등분석(DiD) 설계에서 이질적 치료 효과를 추정하는 데 도전하는 것.
• 관측된 공변량에 따라 조건을 설정함으로써 전반적인 평행 추세 가정을 완화하여, 하위군이 별개의 사전 추세를 보일 경우 더 신뢰할 수 있는 인과 추론을 가능하게 하는 것.
• 부수적 성분(예: 결과 모형 및 성향 스코어 모형)의 추정 속도가 느리더라도 치료 효과 추정의 수렴 속도를 빠르게 하는 방법을 개발하는 것.
• 특히 고차원적 또는 복잡한 혼동 요인 설정에서 보정성 및 이중로버스트 추정 원칙을 통해 안정성과 효율성을 확보하는 것.

제안 방법

• 모형은 $ Y_i = b(X_i) + S_i \cdot \xi(X_i) + T_i \cdot \rho(X_i) + T_i S_i \cdot \tau(X_i) + \varepsilon_i $ 로 표현되며, $ \tau(X_i) $ 는 이질적 치료 효과 함수이다.
• 부수적 성분(예: $ b(x), \xi(x), \rho(x) $)의 추정 속도가 느릴 경우에도 $ \tau(x) $ 의 추정이 강인해지도록 교차-피팅(Cross-fitting)과 보정성 추정 방정식을 활용한다.
• 이중로버스트 보정된 역확률가중치(AIPW) 프레임워크를 사용하여 결과 회귀와 성향 스코어 추정을 조합함으로써 효율성과 강인성을 확보한다.
• 고차원 공변량 공간에서 부수적 성분과 치료 효과 함수를 추정하기 위해 비모수적 회귀 기법(예: 커널 또는 머신러닝 기반 방법)을 적용한다.
• 부수적 추정기의 변화에 국소적으로 민감하지 않은 추정 방정식을 구성함으로써 보정성을 확보하여, 약한 규칙성 조건 하에서도 점근 정규성을 확보한다.
• 부수적 추정에서 과적합을 방지하기 위해 데이터를 폴드로 나누어 각 성분에 대해 독립된 추정을 생성하는 교차-피팅 절차를 사용한다.

실험 결과

연구 질문

• RQ1 치료 효과의 선형 또는 비모수적 기능 형태를 가정하지 않고 반복 횡단면 DiD 설계에서 이질적 치료 효과를 추정할 수 있는가?
• RQ2 관측된 공변량에 따라 조건을 설정함으로써 전반적인 평행 추세 가정을 완화할 수 있는가? 이는 하위군 이질성이 존재할 경우 타당성을 향상시킬 수 있는가?
• RQ3 부수적 성분의 추정 속도가 느리더라도 치료 효과 함수의 추정에 대해 수렴 속도를 빠르게 보장하는 추정 전략은 무엇인가?
• RQ4 고차원적 비모수적 설정에서 인과 추론을 위한 DiD 프레임워크에서 이중로버스트성과 보정성을 달성할 수 있는가?

주요 결과

• 보정성 구조 덕분에, 부수적 성분의 추정 속도가 느리더라도 이질적 치료 효과 함수 $ \tau(x) $ 의 추정이 매우 빠른 수렴 속도를 달성한다.
• 시뮬레이션 데이터에 대한 경험적 결과는 이 방법이 복잡한 비선형 치료 효과 이질성을 포착하는 데 있어 표준 선형 상호작용 모형을 능가함을 보여준다.
• Angrist와 Kugler(2008)의 데이터에 대한 응용에서, 농촌 지역 거주자에 대한 치료 효과가 도시 지역 거주자보다 유의미하게 더 크다는 것이 드러났으며, 이는 의미 있는 이질성을 시사한다.
• 1998년과 2000년을 사전 및 사후 치료 기간으로 설정한 가짜 테스트에서는 모든 방법에서 유의미한 치료 효과 추정치가 거의 없었으며, 이는 본 방법의 타당성을 뒷받침한다.
• AIPW 기반 평균 치료 효과 추정기는 반세미모수적으로 효율적이며, 결과 회귀 모형 또는 성향 스코어 모형의 잘못된 지정에 강인하다.
• 교차-피팅과 보정성 추정 방정식을 사용함으로써 성향 스코어가 작을 경우에도 안정성이 유지되며, 추정 오차에 대한 민감도가 감소한다.