[논문 리뷰] Robust Nonparametric Difference-in-Differences Estimation

Chen Lü, Xinkun Nie외 1명|arXiv (Cornell University)|2019. 05. 28.

Advanced Causal Inference Techniques인용 수 5

한 줄 요약

이 논문은 조건부 평행 추세와 오버랩 조건에만 의존함으로써 강한 모델링 가정을 완화하는 비모수적 차이의 차이(DID) 방법의 세트를 제안한다. 이 방법은 공변량이 결과에 비선형적으로 영향을 주거나 가교 시점 간 공변량 이동이 발생하는 설정에서 처리 효과의 강건한 추정을 가능하게 한다.

ABSTRACT

We consider the problem of treatment effect estimation in difference-in-differences designs where parallel trends hold only after conditioning on covariates. Existing methods for this problem rely on strong additional assumptions, e.g., that any covariates may only have linear effects on the outcome of interest, or that there is no covariate shift between different cross sections taken in the same state. Here, we develop a suite of new methods for nonparametric difference-in-differences estimation that require essentially no assumptions beyond conditional parallel trends and a relevant form of overlap. Our proposals show promising empirical performance across a variety of simulation setups, and are more robust than the standard methods based on either linear regression or propensity weighting.

연구 동기 및 목표

• 평행 추세 가정이 관측된 공변량에 조건부로만 성립할 경우 표준 차이의 차이 추정법의 한계를 해결하기 위해.
• 선형 공변량 효과나 가교 시점 간 공변량 이동이 없는 것과 같은 강한 가정에 의존하지 않도록 하기 위해.
• 최소한의 구조적 가정 하에서도 유효성을 유지하는 민감도 높은 비모수적 프레임워크를 개발하기 위해.
• 선형 회귀 및 성향스코어 가중치 방법에 비해 강건성과 실증 성능을 향상시키기 위해.

제안 방법

• 관측된 공변량 조건부 잠재 결과를 모델링하기 위해 비모수적 추정 기법을 사용하여 공변량 효과에 대한 파rametric 제약 조건을 피한다.
• 핵심 식별 가정으로서 조건부 평행 추세를 활용한다. 이는 처리되지 않은 잠재 결과의 추세가 공변량을 조절한 후에야 평행해지는 경우를 의미한다.
• 처리군과 대조군 간 공변량 분포의 충분한 공통 지원 영역을 확보하기 위해 오버랩 조건을 활용한다.
• 비모수적 회귀 또는 기계학습 기반 조건부 평균 회귀를 통해 추정을 수행하여 결과 표면을 민감도 있게 모델링한다.
• 결과 회귀와 성향스코어 모델을 비모수적 프레임워크 내에서 조합한 이중 강건 추정 전략을 사용하는 것이 핵심 구성 요소이다.
• 모형 오류에 강건하도록 설계되어 있어, 파rametric 기능 형태 가정에 대한 의존도를 최소화한다.

실험 결과

연구 질문

• RQ1 평행 추세 가정이 공변량에 조건부로만 성립할 경우 비모수적 방법이 차이의 차이 설계에서 추정 정확도를 향상시킬 수 있는가?
• RQ2 모형 오류가 발생할 경우 제안된 방법은 선형 회귀 및 성향스코어 가중치 방법에 비해 어떻게 성능을 보이는가?
• RQ3 이 방법은 다양한 가교 시점 샘플 간 공변량 이동이 발생하더라도 편향 없이 처리할 수 있는 정도는 어느 정도인가?
• RQ4 복잡한 비선형 공변량 효과를 가진 시뮬레이션 설정에서 이 방법의 실증 성능은 어떠한가?

주요 결과

• 제안된 비모수적 방법은 표준 선형 회귀 및 성향스코어 가중치 접근법보다 모형 오류에 더 강건한 것으로 나타났다.
• 공변량 효과가 비선형인 경우를 포함한 다양한 시뮬레이션 설정에서 실증 성능이 일관되게 뛰어나게 나타났다.
• 조건부 평행 추세와 충분한 오버랩 조건 하에서, 공변량 분포가 시간 주기 간에 이동하더라도 유효한 추론을 유지한다.
• 제한적인 기능 형태 가정 없이 조건부 평균 결과를 모델링할 수 있는 유연성 덕분에 유한 표본 성능이 향상된다.