[論文レビュー] Modelling Network Interference with Multi-valued Treatments: the Causal Effect of Immigration Policy on Crime Rates

Costanza Tortú, Irene Crimaldi+2 more|arXiv (Cornell University)|Feb 28, 2020

Advanced Causal Inference Techniques参考文献 52被引用数 5

ひとこと要約

本稿は、ネットワーク干渉を伴う因果推論を、多値処置に拡張するものであり、重み付きネットワーク構造を用いて、直接効果を推定する際に漏出効果を考慮するための共同多重一般化傾向スコア（JMGPS）を導入している。干渉が効果を拡大させることを示しており、制限的移民政策は犯罪率を上昇させ、包括的政策は統合を促進することで犯罪率を低下させると判明した。

ABSTRACT

Policy evaluation studies, which intend to assess the effect of an intervention, face some statistical challenges: in real-world settings treatments are not randomly assigned and the analysis might be further complicated by the presence of interference between units. Researchers have started to develop novel methods that allow to manage spillover mechanisms in observational studies; recent works focus primarily on binary treatments. However, many policy evaluation studies deal with more complex interventions. For instance, in political science, evaluating the impact of policies implemented by administrative entities often implies a multivariate approach, as a policy towards a specific issue operates at many different levels and can be defined along a number of dimensions. In this work, we extend the statistical framework about causal inference under network interference in observational studies, allowing for a multi-valued individual treatment and an interference structure shaped by a weighted network. The estimation strategy is based on a joint multiple generalized propensity score and allows one to estimate direct effects, controlling for both individual and network covariates. We follow the proposed methodology to analyze the impact of the national immigration policy on the crime rate. We define a multi-valued characterization of political attitudes towards migrants and we assume that the extent to which each country can be influenced by another country is modeled by an appropriate indicator, summarizing their cultural and geographical proximity. Results suggest that implementing a highly restrictive immigration policy leads to an increase of the crime rate and the estimated effects is larger if we take into account interference from other countries.

研究の動機と目的

• 現行の因果推論手法が二値処置を仮定し、現実の政策評価において干渉を無視することの制限を是正すること。
• 相互に影響を及ぼすネットワーク化された人口において、移民政策のさまざまな水準といった複雑な多値処置をモデル化すること。
• 重み付きネットワーク構造を用いて、個々の単位とネットワークレベルの露出を両方とも考慮する統計的枠組みを構築すること。
• 文化的・地理的近接性を干渉の原因として制御しながら、移民政策の犯罪率に対する直接因果効果を推定すること。
• 国別移民政策と犯罪率の分析を通じて、本手法の実証的妥当性を示すこと。

提案手法

• 各単位の処置が、例えば移民政策の制限の程度といった複数の次元にわたり定義される多値処置フレームワークを提案する。
• 文化的・地理的近接性で重み付けされた隣接単位の処置への多変量露出を表現するための近隣処置露出行列（NTEM）を導入する。
• 個々の処置と多変量近隣露出の同時分布をモデル化するための共同多重一般化傾向スコア（JMGPS）を開発する。
• JMGPSに基づく逆確率重み付けを用いて、潜在的アウトカムを補完し、処置対比間での直接因果効果を推定する。
• 干渉下でも不偏な直接効果推定を得るために、ネットワーク設定におけるホルヴィッツ＝トンプソン推定量を適用する。
• 非二値的、連続的と類似した処置水準を許容する多値露出マッピングを採用し、不均一な漏出効果を捉える。

実験結果

リサーチクエスチョン

• RQ1 国家レベルの移民政策の制限の程度が、ネットワーク干渉を考慮した上で犯罪率に与える影響は何か？
• RQ2 国々間の文化的・地理的近接性が、移民政策の犯罪率への漏出効果を媒介する程度はどの程度か？
• RQ3 多値処置とネットワーク干渉を同時にモデル化した場合、直接因果効果の大きさはどの程度か？
• RQ4 干渉を無視する場合と適切にモデル化する場合とで、政策効果の推定値はどのように変化するか？
• RQ5 多値ネットワーク露出を含めることで、観察的研究における政策影響の因果推論の正確性はどの程度向上するか？

主な発見

• 極めて制限的な移民政策を実施することは、統計的に有意に犯罪率を上昇させ、高制限性と低制限性の対比における点推定値が 0.24439（95％信頼区間：0.24246–0.24618）である。
• 包括的移民政策（LH または HL）の直接的効果は、犯罪率の低下に顕著で、それぞれ点推定値が 0.21145 および 0.25819 であり、両者とも非常に有意（p < 0.001）。
• 干渉を無視すると処置効果が低く見積もられる。干渉を含めることで効果の推定値が上昇し、文化的近接性が考慮される場合に特に顕著である。
• 文化的類似性を漏出メカニズムとして含めると、推定効果が強化され、国境を越えた影響が強いことが示された。
• 地理的近接性のみを漏出メカニズムとして用いる場合でも、干渉がない場合より強い効果が得られるが、文化的近接性を含めた場合よりは弱い。
• 妥当性チェックにより、LH および HL カテゴリを単一の「中程度」カテゴリに統合しても結果が安定しており、発見の信頼性が裏付けられた。