[논문 리뷰] Theory for identification and Inference with Synthetic Controls: A Proximal Causal Inference Framework

Xu Shi, Li, Kendrick외 3명|arXiv (Cornell University)|2021. 08. 31.

Advanced Causal Inference Techniques참고 문헌 44인용 수 8

한 줄 요약

이 논문은 잠재적 혼란 요인을 위한 보조 제어 단위를 활용하여, 사전 적합도가 열 劣한 경우에도 일관된 합성 제어 가중치 및 치료 효과 추정이 가능한 프록시 원인 인과 추론 프레임워크를 제안한다. 비선형 모델 및 시계열 방법에 대한 식별성과 추론을 정식화하며, 순차 상관과 비정상적 요인에 대해 강건성을 보이며, 독일 재통일 사례 연구에서 검증된다.

ABSTRACT

Synthetic control (SC) methods are commonly used to estimate the treatment effect on a single treated unit in panel data settings. An SC is a weighted average of control units built to match the treated unit, with weights typically estimated by regressing (summaries of) pre-treatment outcomes and measured covariates of the treated unit to those of the control units. However, it has been established that in the absence of a good fit, such regression estimator will generally perform poorly. In this paper, we introduce a proximal causal inference framework to formalize identification and inference for both the SC and ultimately the treatment effect on the treated, based on the observation that control units not contributing to the construction of an SC can be repurposed as proxies of latent confounders. We view the difference in the post-treatment outcomes between the treated unit and the SC as a time series, which opens the door to various time series methods for treatment effect estimation. The proposed framework can accommodate nonlinear models, which allows for binary and count outcomes that are understudied in the SC literature. We illustrate with simulation studies and an application to evaluation of the 1990 German Reunification.

연구 동기 및 목표

• 사용자 단위와 기부자 단위 간의 사전 적합도가 열 떨어질 경우 합성 제어 방법의 한계를 해결하기 위해.
• 잠재적 혼란 요인을 위한 보조 제어 단위를 프록시로 사용하여 합성 제어 가중치의 식별성과 추론을 정식화하기 위해.
• 기존 문헌에서 다루지 않은 이진 및 카운트 결과를 포함한 비선형 모델으로 합성 제어 방법을 확장하기 위해.
• 기존 OLS 기반 SC 추정의 한계를 극복하기 위해 순차 상관 오차와 비정상적 잠재 요인 하에서도 강건한 추론을 가능하게 하기 위해.
• 치료 후 결과 차이를 시계열로 프레임워크화하여 시계열 분석 도구를 활용한 치료 효과 추정을 가능하게 하기 위해.

제안 방법

• 합성 제어 구축에 사용되지 않는 제어 단위를 활용하여, 그들의 결과와 동시적 공변량을 기반으로 잠재적 혼란 요인의 프록시로 활용한다.
• 프록시 모멘트 조건에 기반한 일반화된 모멘트 방법(GMM)을 사용하여 합성 제어 가중치의 식별성을 정식화한다.
• 치료 후 결과 차이를 추세가 있는 결정론적 추세를 포함하는 시계열로 모델링한다.
• 시계열 방법(예: 자기회귀 모델 또는 스펙트럼 분석)을 결과 차이 시계열에 적용하여 치료 효과를 추정하고 추론한다.
• 두 가지 추론 전략을 적용한다: 큰 치료 후 시점에서는 GMM(매개변수 모델 τ(t/T;γ)를 통한 스무딩), 작은 시점에서는 콫래이션 추론.
• 비모수적 식별성으로 확장하여 선형 요인 모델 가정을 완화하고 이진 및 카운트 결과에 대한 추정을 가능하게 한다.

실험 결과

연구 질문

• RQ1 사전 적합도가 열 떨어지더라도 잠재 요인 하중이 일치한다면, 합성 제어 가중치를 일관되게 추정할 수 있는가?
• RQ2 합성 제어에 기여하지 않는 제어 단위는 비측정 혼란 요인 하에서 어떻게 치료 효과를 식별하는 데 재사용될 수 있는가?
• RQ3 시계열 모델링은 치료 후 결과 차이에서 치료 효과를 추정하고 추론하는 데 어떤 역할을 하는가?
• RQ4 제안된 프레임워크는 합성 제어 설정에서 이진 또는 카운트 데이터와 같은 비선형 결과를 처리할 수 있는가?
• RQ5 순차 상관 오차와 비정상적 잠재 요인 하에서 이 방법의 성능은 어떠한가?

주요 결과

• 프록시 원인 인과 추론 프레임워크는 보조 제어 단위를 잠재적 혼란 요인의 프록시로 활용함으로써, 사전 적합도가 열 떨어지는 경우에도 합성 제어 가중치 및 치료 효과의 일관된 추정이 가능하다.
• 이 방법은 비모수적 식별성을 지원하여 선형 요인 모델의 필요성을 완화하고 이진 및 카운트 결과에 대한 적용을 가능하게 한다.
• 독일 재통일 사례 연구에서 PI 방법을 사용하여 인구당 GDP에 대한 치료 효과는 1,055달러(95% 신뢰구간: 488, 1,622)로 추정되었으며, 가짜 테스트에서 편향의 증거가 없었다(가짜 효과: 125달러, 95% 신뢰구간: -289, 539).
• 1975년에 가짜 재통일 시점을 사용한 가짜 연구에서 유의미한 가짜 효과가 관찰되지 않아 제안된 방법의 타당성을 뒷받침한다.
• GMM과 콕래이션 추론을 통한 추론이 가능하며, 후자는 치료 후 시점 수가 적을 경우 특히 적합하다.
• 이 방법은 오차 항의 순차 상관과 비정상적 잠재 요인에 대해 강건하여, 전통적 가정을 초월한 합성 제어 방법의 적용 범위를 확장한다.