[论文解读] Filtered and Unfiltered Treatment Effects with Targeting Instruments

Sokbae Lee, Bernard Salanié|arXiv (Cornell University)|Jan 1, 2020

Advanced Causal Inference Techniques参考文献 19被引用 2

一句话总结

本文提出一个框架，用于在使用取值离散的工具变量时，识别多值处理下的反事实均值和处理效应，通过针对条件和异质性限制来处理选择偏差。该框架引入了过滤处理的概念，以应对信息不完整的问题，从而实现对异质性 complier 群体的处理效应识别。

ABSTRACT

Multivalued treatments are commonplace in applications. We explore the use of discrete-valued instruments to control for selection bias in this setting. We establish conditions under which counterfactual averages and treatment effects are identified for heterogeneous complier groups. These conditions restrict (i) the unobserved heterogeneity in treatment assignment, (ii) how the instruments target the treatments, and optionally (iii) the extent to which counterfactual averages are heterogeneous. We allow for limitations in the analyst's information via the concept of a filtered treatment. Finally, we illustrate the usefulness of our framework by applying it to data from the Student Achievement and Retention Project and the Head Start Impact Study.

研究动机与目标

• 解决处理分配内生时多值处理情境下的选择偏差问题。
• 识别在异质性 complier 群体下的反事实均值和处理效应。
• 形式化在工具变量针对特定处理时，即使存在未观测到的异质性，也能实现识别的条件。
• 引入过滤处理的概念，以建模分析者信息不完整的情况。
• 提供一个可应用于现实世界数据的实用框架，例如 Head Start 和 Student Achievement and Retention Project 教育项目。

提出的方法

• 使用取值离散的工具变量，在多值处理情境中针对特定处理水平。
• 建立识别条件，以限制处理分配中的未观测异质性以及工具变量的目标定位。
• 引入过滤处理的概念，以建模对处理状态信息不完整的情况。
• 将反事实异质性限制作为可选条件，以促进识别。
• 施加结构假设，将工具变量的变化与 complier 群体联系起来，从而实现对异质性处理效应的估计。
• 采用潜在结果框架，并结合条件独立性假设，推导出识别结果。

实验结果

研究问题

• RQ1 在处理为多值且存在选择偏差的情况下，反事实均值在何种条件下可被识别？
• RQ2 针对特定处理水平的离散工具变量，如何实现对异质性 complier 群体处理效应的识别？
• RQ3 过滤处理的概念在处理效应估计中，如何改善对信息不完整的建模？
• RQ4 在存在未观测异质性的情况下，工具变量的目标行为在识别处理效应中起到何种作用？
• RQ5 所提出的框架如何应用于来自教育项目（如 Head Start 和 Student Achievement and Retention Project）的真实世界数据？

主要发现

• 本文建立了使用离散工具变量在多值处理下识别反事实均值和处理效应的充分条件。
• 当处理分配中的未观测异质性受到限制，且工具变量针对特定处理水平时，可实现识别。
• 该框架允许在满足目标定位和异质性条件的前提下，对 complier 群体实现异质性处理效应的识别。
• 过滤处理的概念使得即使分析者无法获得完整处理状态信息，也能实现识别。
• 对 Student Achievement and Retention Project 和 Head Start Impact Study 的实证应用，证明了该框架在真实世界情境中的实际效用。
• 结果表明，工具变量的目标行为在识别处理效应中至关重要，尤其是在处理分配机制复杂的场景中。