[论文解读] Generalized additive models for location, scale and shape for program evaluation: A guide to practice

Maike Hohberg, Peter Pütz+1 more|arXiv (Cornell University)|Jun 25, 2018

Advanced Causal Inference Techniques参考文献 48被引用 2

一句话总结

本文提出广义加法模型用于位置、尺度和形状（GAMLSS）作为项目评估的灵活框架，能够分析处理效应在整个条件分布上的表现，而不仅限于均值。通过建模响应分布的所有参数（包括方差和偏度），并纳入非线性效应，GAMLSS 显示，Progresa 现金转移项目对处理组与对照组之间的条件不平等无显著影响。

ABSTRACT

This paper introduces generalized additive models for location, scale and shape (GAMLSS) as a modeling framework for analyzing treatment effects beyond the mean. By relating each parameter of the response distribution to explanatory variables, GAMLSS model the treatment effect on the whole conditional distribution. Additionally, any nonnormal outcome and nonlinear effects of explanatory variables can be incorporated. We elaborate on the combination of GAMLSS with program evaluation methods in economics and provide a practical guide to the usage of GAMLSS by reanalyzing data from the extit{Progresa} program. Contrary to expectations, no significant effects of a cash transfer on the conditional inequality level between treatment and control group are found.

研究动机与目标

• 通过建模结果的完整条件分布，将项目评估从基于均值的结果扩展出去。
• 解决传统方法在处理效应分析中假设正态性和线性效应的局限性。
• 为使用真实世界数据在计量经济学项目评估中应用 GAMLSS 提供实用指南。
• 使用 GAMLSS 重新分析 Progresa 现金转移项目，评估其对不平等的影响，超越均值层面。

提出的方法

• 使用 GAMLSS 模型将响应分布的每个参数（位置、尺度、形状）与解释变量（包括处理指标）关联起来。
• 该框架通过加法预测器允许非正态响应分布和非线性效应。
• 处理效应在整个分布上进行估计，而不仅限于均值，从而能够检测异质性影响。
• 通过样条平滑和惩罚似然估计来建模灵活的非线性关系。
• 将 GAMLSS 与标准项目评估技术（如倾向得分匹配或回归校正）结合使用。
• 使用统计软件（例如 R）实现该方法，模型选择基于信息准则。

实验结果

研究问题

• RQ1 Progresa 现金转移项目是否影响结果的整个条件分布，而不仅限于均值？
• RQ2 在考虑分布变化后，处理组与对照组之间的条件不平等是否存在显著差异？
• RQ3 GAMLSS 能否检测到传统模型可能遗漏的非线性处理效应？
• RQ4 结果分布的参数（如方差、偏度）在处理组与对照组之间如何变化？
• RQ5 该项目对结果分布的形状有何影响，特别是在不平等方面？

主要发现

• 未发现 Progresa 现金转移项目对处理组与对照组之间条件不平等有显著影响。
• 处理效应在整个条件分布中均未被检测到，包括位置、尺度和形状参数。
• GAMLSS 显示两组之间结果的方差或偏度无显著变化，表明对分布不平等无差异影响。
• 该模型成功捕捉了协变量与结果之间的非线性关系，证明了其灵活性。
• 重新分析结果表明，基于均值的模型可能忽略分布效应，但在此案中，此类效应并不存在。