[論文レビュー] Identification and Estimation of Spillover Effects in Randomized Experiments

Gonzalo Vázquez-Baré|arXiv (Cornell University)|Nov 7, 2017

Advanced Causal Inference Techniques被引用数 6

ひとこと要約

本稿は、干渉を伴う無作為化実験における直接効果およびスプライバー効果の非パラメトリック推定量を提案し、差分推定量や低次元線形平均回帰の減少形推定量といった標準的手法が、負の重みと混同された効果の組み合わせのため偏りを持つこと、その結果、従来の手法では効果を検出できないことを示している。提案手法の推定量は、二重アレイの漸近的枠組みのもとで一様一致性および漸近正規性を達成し、従来の手法が検出できない非線形的スプライバー効果が顕著であることを明らかにした。

ABSTRACT

I study identification, estimation and inference for spillover effects in experiments where units' outcomes may depend on the treatment assignments of other units within a group. I show that the commonly-used reduced-form linear-in-means regression identifies a weighted sum of spillover effects with some negative weights, and that the difference in means between treated and controls identifies a combination of direct and spillover effects entering with different signs. I propose nonparametric estimators for average direct and spillover effects that overcome these issues and are consistent and asymptotically normal under a precise relationship between the number of parameters of interest, the total sample size and the treatment assignment mechanism. These findings are illustrated using data from a conditional cash transfer program and with simulations. The empirical results reveal the potential pitfalls of failing to flexibly account for spillover effects in policy evaluation: the estimated difference in means and the reduced-form linear-in-means coefficients are all close to zero and statistically insignificant, whereas the nonparametric estimators I propose reveal large, nonlinear and significant spillover effects.

研究の動機と目的

• 干渉が非重複するペアグループ内に生じる無作為化実験における直接効果およびスプライバー効果を特定・推定すること。
• 差分推定量や低次元線形平均回帰の減少形推定量といった一般的に用いられる推定量が、負の重みと混同された効果の組み合わせのため、因果的解釈を持たないことを示すこと。
• 標本サイズ、パラメータ数、処置割り当てメカニズムに関する明確な条件の下で、一貫性および漸近正規性を示す非パラメトリック推定量を直接効果およびスプライバー効果の平均値に対して開発すること。
• 特にグループサイズが中程度または大きい場合に、異質的かつ非線形的スプライバー効果が存在する状況でも有効な推論の枠組みを提供すること。
• 非パラメトリック推定が可能でかつ効率的なスプライバー効果の推定が可能な条件を明確化することで、実験デザインを支援すること。

提案手法

• 同僚の処置割り当てと結果を入力とする柔軟な処置ルールに基づき、直接効果およびスプライバー効果の平均値を推定する非パラメトリック推定量を提案する。
• 干渉が非重複するペアグループ内に生じるという仮定の下で、スプライバー効果の全ベクトルが同定可能であるための同定条件を確立する。処置ルールが正しくまたは柔軟に指定されていることが前提となる。
• 標本サイズとともにグループ数とパラメータ数が増加する二重アレイの漸近的枠組みにおいて、一様一致性および漸近正規性を導出する。
• 既知で正の重みを持つスプライバー効果の重み付き平均をロバストに推定する回帰ベースのプーリング戦略を導入し、標準的な推論を可能にする。
• 処置ルールの誤指定を扱うために、条件付きモーメント制約を活用する二重ロバストアプローチを採用する。
• シミュレーションと条件付き現金移転プログラムの実証分析を用いて、提案手法の有効性を検証し、従来手法と比較する。

実験結果

リサーチクエスチョン

• RQ1 干渉を伴う無作為化実験において、どのような条件下で直接効果およびスプライバー効果を非パラメトリックに同定できるか？
• RQ2 スプライバー効果が存在する状況において、差分推定量や低次元線形平均回帰の減少形推定量がなぜ因果的解釈を持たないのか？
• RQ3 グループ数、パラメータ数、処置割り当てメカニズムが、非パラメトリックスプライバー効果推定量の一貫性および漸近正規性にどのように影響を与えるか？
• RQ4 プールド回帰ベースの推定量は、標準的条件下で、意味的かつ解釈可能なスプライバー効果の平均値を有効な推論とともに回復できるか？
• RQ5 従来の推定量は、現実のデータにおいて、大きな非線形的かつ顕著なスプライバー効果をどれほど隠蔽しているのか？

主な発見

• 差分推定量は、個々の効果がすべて既知であっても、直接効果とスプライバー効果の差の符号が未定のまま組み合わされ、因果的解釈を損なう。
• 低次元線形平均回帰の減少形回帰係数は、一部の重みが負である線形結合としてスプライバー効果を同定するため、すべてのスプライバー効果が非ゼロであっても係数がゼロになる可能性がある。
• 条件付き現金移転プログラムの実証分析では、差分推定量およびRF-LIM係数はゼロに近く、統計的に有意でない一方、提案された非パラメトリック推定量は、大きな非線形的かつ顕著なスプライバー効果を明らかにした。
• パラメータ数が標本サイズに対してあまりに速く増加せず、処置割り当て確率が極端に小さくない条件下では、非パラメトリック推定量は一様一致性および漸近正規性を示す。
• シミュレーションにより、非線形的または異質的効果が存在する状況で、提案手法の推定量が従来手法を上回ることを確認した。
• 小規模なサンプルサイズのため統計的に有意でないものの、女性の兄弟からのスプライバー効果が男性の兄弟より大きい証拠が示唆された。