[论文解读] Estimation and Inference about Heterogeneous Treatment Effects in High-Dimensional Dynamic Panels

Vira Semenova, Matt Goldman+2 more|arXiv (Cornell University)|Dec 28, 2017

Advanced Causal Inference Techniques参考文献 8被引用 7

一句话总结

本文提出了一种两阶段高维推断方法，用于在具有大量控制变量的面板数据中估计异质处理效应。通过使用机器学习方法对结果变量和处理变量进行去均值化，采用Lasso估计处理效应异质性，并对估计量进行去偏处理以实现有效的推断，从而在存在未观测到的个体效应的高维设定下，实现逐点和同时的置信区间。

ABSTRACT

This paper provides estimation and inference methods for a large number of heterogeneous treatment effects in a panel data setting with many potential controls. We assume that heterogeneous treatment is the result of a low-dimensional base treatment interacting with many heterogeneity-relevant controls, but only a small number of these interactions have a non-zero heterogeneous effect relative to the average. The method has two stages. First, we use modern machine learning techniques to estimate the expectation functions of the outcome and base treatment given controls and take the residuals of each variable. Second, we estimate the treatment effect by l1-regularized regression (i.e., Lasso) of the outcome residuals on the base treatment residuals interacted with the controls. We debias this estimator to conduct pointwise inference about a single coefficient of treatment effect vector and simultaneous inference about the whole vector. To account for the unobserved unit effects inherent in panel data, we use an extension of correlated random effects approach of Mundlak (1978) and Chamberlain (1982) to a high-dimensional setting. As an empirical application, we estimate a large number of heterogeneous demand elasticities based on a novel dataset from a major European food distributor.

研究动机与目标

• 为解决在存在大量潜在控制变量且仅有少数交互项驱动处理效应异质性时，估计异质处理效应的挑战。
• 开发一种方法，实现在高维面板数据中对处理效应系数进行有效统计推断，包括逐点和同时推断。
• 将Mundlak和Chamberlain的 correlated random effects 方法扩展至高维设定，以考虑未观测到的个体特异性效应。
• 提供一个实用框架，利用来自欧洲食品分销商的大规模新型数据集，估计异质需求价格弹性。

提出的方法

• 首先，应用现代机器学习技术（例如Lasso、随机森林）估计结果变量和基础处理变量在给定控制变量条件下的条件期望，然后计算残差以消除可观测协变量的影响。
• 其次，使用L1-正则化（Lasso）回归，将结果变量残差对基础处理变量残差与控制变量的交互项进行回归，以识别稀疏的、非零的异质处理效应。
• 对Lasso估计量应用去偏程序，以校正估计偏差，并实现对单个系数的渐近有效推断。
• 使用 correlated random effects 模型的高维扩展，以考虑面板数据中未观测到的个体特异性效应，确保估计的一致性。
• 构建单个处理效应系数的逐点置信区间，以及整个效应向量的同时置信区域。
• 利用控制变量空间的高维特性，假设仅少数基础处理与控制变量之间的交互项具有非零效应。

实验结果

研究问题

• RQ1 当控制变量数量相对于样本大小较大时，如何一致地估计并进行大量异质处理效应的推断？
• RQ2 未观测到的个体特异性效应如何影响高维面板模型中异质处理效应的估计？
• RQ3 能否将基于机器学习的残差化与Lasso估计结合，并通过去偏处理在高维设定下实现有效推断？
• RQ4 在真实世界食品分销数据集中，异质需求价格弹性在不同产品类别和客户特征之间如何变化？

主要发现

• 所提出的方法即使在高维设定下，也能成功识别出大量潜在交互项中稀疏的非零异质处理效应。
• 去偏Lasso估计产生有效的逐点和同时置信区间，使处理效应系数的可靠统计推断成为可能。
• 将 correlated random effects 模型扩展至高维设定，能有效控制未观测到的个体特异性异质性，提升估计量的一致性。
• 实证应用揭示了不同产品类别和客户类型之间存在显著的需求价格弹性异质性，部分弹性值与平均值存在显著差异。
• 与传统方法相比，该方法在高维设定下通过减少偏差并保持有限样本中的覆盖概率，表现出更优性能。
• 利用机器学习进行残差化，通过灵活建模高维条件期望，提高了处理效应估计的精度。