[论文解读] ivmodel: An R Package for Inference and Sensitivity Analysis of Instrumental Variables Models with One Endogenous Variable

Hyunseung Kang, Yang Jiang+2 more|arXiv (Cornell University)|Feb 19, 2020

Advanced Causal Inference Techniques参考文献 56被引用 6

一句话总结

该论文介绍了 ivmodel R 包，用于对单个内生变量进行综合的工具变量（IV）分析，通过 k-类估计量提供稳健推断，包括弱工具变量稳健的置信区间（Anderson-Rubin 和条件似然比）、统计功效计算以及对 IV 假设违反情况的敏感性分析。该方法在 Card（1995）的教育-收入数据集中得到应用，表明教育对收入的因果效应对未观测到的混杂因素敏感。

ABSTRACT

We present a comprehensive R software ivmodel for analyzing instrumental variables with one endogenous variable. The package implements a general class of estimators called k- class estimators and two confidence intervals that are fully robust to weak instruments. The package also provides power formulas for various test statistics in instrumental variables. Finally, the package contains methods for sensitivity analysis to examine the sensitivity of the inference to instrumental variables assumptions. We demonstrate the software on the data set from Card (1995), looking at the causal effect of levels of education on log earnings where the instrument is proximity to a four-year college.

研究动机与目标

• 为解决 R 中缺乏统一、现代的 IV 软件的问题，这些软件支持在弱工具变量下进行稳健推断，并对 IV 假设违反情况进行敏感性分析。
• 实现 k-类估计量，以在具有单个内生变量的 IV 模型中一致估计因果效应。
• 提供对弱工具变量完全稳健的置信区间，特别是 Anderson-Rubin 和条件似然比区间。
• 支持在各种检验统计量和效应大小下进行统计功效计算，以设计未来的 IV 研究。
• 提供敏感性分析工具，以评估 IV 推断对外生性及排除限制假设违反的稳健性。

提出的方法

• 该包实现了用于估计线性 IV 模型中因果效应 β 的 k-类估计量的一般类。
• 包含两种置信区间方法——Anderson-Rubin 和条件似然比——对弱工具变量完全稳健。
• 通过参数 δ 进行敏感性分析，以量化未观测混杂的强度，区间在 δ 的指定范围内计算。
• 基于原假设和备择假设下的检验统计量推导出统计功效计算，以实现样本量规划。
• 该框架支持协变量调整，并能处理自然实验和随机鼓励设计。
• 该包将这些组件整合到一个单一、用户友好的 R 接口中，实现端到端的 IV 分析。

实验结果

研究问题

• RQ1 当工具变量较弱时，如何在工具变量模型中进行稳健推断？
• RQ2 未观测混杂因素对 IV 估计有效性的影​​响是什么？我们如何量化这种敏感性？
• RQ3 在给定的效应大小和工具变量强度下，IV 研究需要多大的样本量才能达到足够的统计功效？
• RQ4 在弱工具变量下，不同置信区间方法（如 Anderson-Rubin 与 Wald）的表现如何？
• RQ5 一个统一的 R 包能否简化全面的 IV 分析，包括估计、推断、功效和敏感性分析？

主要发现

• 在 Card（1995）的数据集中，教育对收入的因果效应的 Anderson-Rubin 置信区间为 [−0.054, 0.535]，在 δ ∈ [−0.07, 0.07] 的敏感性分析下，p 值为 0.165。
• 当敏感性分析考虑了一个与 'south' 变量相似的未观测混杂因素时，原假设（无因果效应）在传统显著性水平下无法被拒绝。
• 在 δ ∈ [−0.07, 0.07] 范围内，检测真实效应 β* = 0.25 的统计功效仅为 22.7%，表明在存在潜在未观测混杂因素时统计功效较低。
• 为在相同敏感性范围内实现 80% 的统计功效来检测 β* = 0.25，至少需要 23,230 的样本量。
• 排除 'south' 变量的模型所得敏感性区间与完整模型的置信区间非常接近，验证了敏感性分析方法的稳健性。
• ivmodel 包实现了 IV 分析的统一工作流，将估计、稳健推断、功效分析和敏感性评估整合到一个 R 包中。