[論文レビュー] The Role of the Propensity Score in Fixed Effect Models

Dmitry Arkhangelsky, Guido W. Imbens|arXiv (Cornell University)|Jul 1, 2018

Advanced Causal Inference Techniques参考文献 15被引用数 3

ひとこと要約

この論文は、観察研究における未観測のグループ水準の異質性を考慮し、固定効果モデルに傾向スコアの重み付けを統合することで、平均処置効果を推定する新しい手法を提案する。従来の線形固定効果モデルを、共変量平均の非線形調整を許容することで拡張し、逆確率重み付けによる推定のロバスト化を図り、共変量平均を超えたグループ水準の特徴量への調整を拡張することで、グループ間比較におけるバイアスを低減する。

ABSTRACT

We develop a new approach for estimating average treatment effects in the observational studies with unobserved group-level heterogeneity. A common approach in such settings is to use linear fixed effect specifications estimated by least squares regression. Such methods severely limit the extent of the heterogeneity between groups by making the restrictive assumption that linearly adjusting for differences between groups in average covariate values addresses all concerns with cross-group comparisons. We start by making two observations. First we note that the fixed effect method in effect adjusts only for differences between groups by adjusting for the average of covariate values and average treatment. Second, we note that weighting by the inverse of the propensity score would remove biases for comparisons between treated and control units under the fixed effect set up. We then develop three generalizations of the fixed effect approach based on these two observations. First, we suggest more general, nonlinear, adjustments for the average covariate values. Second, we suggest robustifying the estimators by using propensity score weighting. Third, we motivate and develop implementations for adjustments that also adjust for group characteristics beyond the average covariate values.

研究の動機と目的

• 観察研究における未観測のグループ水準の異質性に対処するための線形固定効果モデルの限界を解消すること。
• 線形的共変量平均差の調整がグループ間比較バイアスを完全に解消するという制限的な仮定を克服すること。
• 傾向スコア手法を固定効果推定に統合することで、平均処置効果を推定するより柔軟でロバストなフレームワークを構築すること。
• 固定効果モデルを共変量平均の調整を超えて、グループ水準の特徴量（例：分散や高次モーメント）を含むように拡張すること。

提案手法

• グループ水準の差をよりよく捉えるために、共変量平均値の非線形関数を用いた固定効果モデルの一般化を提案する。
• 固定効果フレームワーク内での処置群と対照群の比較バイアスを低減するために、傾向スコアに基づく逆確率重み付けを導入する。
• 極端な傾向スコアを持つ単位の重みを軽減することで、固定効果モデルのロバスティシティを高め、有限標本における性能を改善する推定量を開発する。
• 共変量平均を超えたグループ水準の特徴量（例：分散や高次モーメント）を調整することで、未観測の異質性をよりよく捉えるようにモデルを拡張する。
• 2段階推定手順を用いる：まず傾向スコアを推定し、次に非線形調整を施した重み付き固定効果を適用する。
• モデルの誤指定下でも一貫性を保つために、二重ロバスト推定戦略を実装する。

実験結果

リサーチクエスチョン

• RQ1 固定効果モデルは、観察研究における未観測のグループ水準の異質性をよりよく捉えるために、どのように改善できるか？
• RQ2 固定効果モデルに傾向スコアの重み付けを組み込むことで、平均処置効果推定におけるバイアスはどの程度低減されるか？
• RQ3 グループ水準の共変量平均に対する非線形調整は、線形固定効果モデルに比べて処置効果推定の妥当性を向上させるか？
• RQ4 共変量平均を超えたグループ水準の特徴量（例：分散）を含む拡張は、推定の効率性とバイアスにどのような影響を与えるか？
• RQ5 モデルの誤指定下で、提案されたロバストで重み付き固定効果推定量の有限標本性能はいかがなものか？

主な発見

• 提案手法は、非線形調整と傾向スコア重み付けを組み合わせることで、未観測のグループ水準の異質性を考慮し、平均処置効果推定のバイアスを低減する。
• 固定効果モデルに逆確率重み付けを組み込むことで、特に未観測のグループ効果と共変量が相関する状況において、よりロバストな推論が可能になる。
• グループ間での共変量分布に顕著なばらつきがある状況では、グループ水準の共変量平均に対する非線形調整が、線形調整を上回る性能を示す。
• 分散などの高次モーメントを含む拡張は、単に共変量平均の調整に依存するモデルと比較して、さらにバイアスを低減する。
• 二重ロバスト推定戦略を用いることで、提案された推定量は有限標本において優れた性能を示し、モデルの誤指定下でも一貫性を保つ。