[论文解读] Balancing, Regression, Difference-In-Differences and Synthetic Control Methods: A Synthesis

Nikolay Doudchenko, Guido W. Imbens|arXiv (Cornell University)|Oct 25, 2016

Advanced Causal Inference Techniques被引用 5

一句话总结

本文提出了一套统一框架，通过允许灵活且正则化的权重（包括负权重和非单位和权重）并引入永久加法偏移项，将合成控制法、双重差分法（DID）和基于回归的方法统一起来。关键贡献在于采用弹性网络和最优子集选择的灵活正则化估计器，在控制单元较少或较多的设定下均能提升反事实估计的准确性。该方法在三个经典应用中均表现出更优的平衡性和稳健性。

ABSTRACT

In a seminal paper Abadie, Diamond, and Hainmueller [2010] (ADH), see also Abadie and Gardeazabal [2003], Abadie et al. [2014], develop the synthetic control procedure for estimating the effect of a treatment, in the presence of a single treated unit and a number of control units, with pre-treatment outcomes observed for all units. The method constructs a set of weights such that selected covariates and pre-treatment outcomes of the treated unit are approximately matched by a weighted average of control units (the synthetic control). The weights are restricted to be nonnegative and sum to one, which is important because it allows the procedure to obtain unique weights even when the number of lagged outcomes is modest relative to the number of control units, a common setting in applications. In the current paper we propose a generalization that allows the weights to be negative, and their sum to differ from one, and that allows for a permanent additive difference between the treated unit and the controls, similar to difference-in-difference procedures. The weights directly minimize the distance between the lagged outcomes for the treated and the control units, using regularization methods to deal with a potentially large number of possible control units.

研究动机与目标

• 将现有的合成控制法、双重差分法和回归方法统一并推广为一个适用于面板数据因果推断的灵活统一框架。
• 解决现有方法的局限性，特别是非负权重、单位和权重以及无截距项（永久差异）的严格假设，这些假设在现实应用中可能导致估计偏差。
• 开发一种新估计器，支持可变权重、非负权重、非单位和权重以及永久加法偏移项，从而提升反事实估计的稳健性和平衡性。
• 在多样化的实证设定下评估所提方法的性能，包括控制单元较少或较多、预处理趋势各异的情形。
• 证明放宽传统约束可提升反事实预测的准确性和稳定性，尤其在标准方法因数据限制而失效时表现更优。

提出的方法

• 提出一个通用线性模型，其中处理单元的反事实结果为控制单元结果的加权线性组合，权重通过正则化方法估计。
• 引入一种灵活估计器，支持负权重、非单位和权重以及截距项（μ），以捕捉处理组与对照组之间的永久差异。
• 采用正则化技术（特别是弹性网络和最优子集选择）处理高维控制单元并防止过拟合，通过交叉验证选择调优参数。
• 使用损失函数，最小化处理单元预处理期结果与控制单元加权平均之间的距离，同时兼顾结果和协变量的平衡。
• 在统一框架下，将合成控制法（非负、单位和权重）、DID（等权重、截距项）和匹配法（可变权重、非负权重）作为特例嵌入其中。
• 实施两阶段估计：第一阶段通过正则化估计权重，以平衡预处理期结果和协变量；第二阶段利用拟合的反事实结果估计处理效应。

实验结果

研究问题

• RQ1 如何将合成控制法、双重差分法和基于回归的方法统一于一个灵活的因果推断框架之下？
• RQ2 放宽标准假设（非负权重、单位和权重、零截距）对反事实估计的准确性和稳定性有何影响？
• RQ3 当控制单元数量较多或预处理期数量较少时，弹性网络和最优子集选择等正则化方法如何提升估计性能？
• RQ4 在何种实证设定下，所提方法优于传统的合成控制法和DID估计器，尤其是在数据配置违反标准假设时？
• RQ5 永久加法偏移项（截距项）在现实应用中在多大程度上能改善反事实结果的平衡性和预测准确性？

主要发现

• 在所有三个应用中，弹性网络和最优子集估计器在平衡性和预测准确性方面均持续优于原始的合成控制法和DID方法。
• 在加利福尼亚州吸烟政策应用中，采用一个控制州且截距项非零（μ = 37.6）的最优子集估计器，得出处理效应估计值为 -31.5，标准误为 20.3，表明其估计效果更大且更精确，优于原始ADH估计器。
• 在西德统一案例中，弹性网络估计器选择了13个国家（其中两个为负权重），得出更稳定的估计值 -882，标准误为 1147.2，优于原始合成控制法的 -1217 及更大的标准误。
• 在马里埃尔船民潮分析中，弹性网络估计器得出处理效应为 0.11（标准误 0.27），比原始合成控制法的 0.21（标准误 0.19）更精确且偏差更小，尤其在高维控制集下表现更优。
• DID估计器虽受等权重和单位和权重假设的限制，但在加利福尼亚州得出处理效应为 -32.4，在西德得出 990，但标准误更高，表明可能存在效率低下。
• 所提方法通过灵活权重和截距项显著降低了反事实预测的偏差，所有三个案例研究中均显示处理组与合成对照组结果的平衡性得到改善。