[论文解读] Negative Control Falsification Tests for Instrumental Variable Designs
本文為工具变量（IV）设计中的负向控制伪造检验建立了一个理论框架，阐明了这些检验实际检验的假设——尤其是IV的排他性与函数形式——并识别出有效的负向控制变量。研究指出，常见的检验可能同时评估多个假设，并警告称，若无强烈附加假设，负向控制无法直接纠正偏差。
The validity of instrumental variable (IV) designs is typically tested using two types of falsification tests. We characterize these tests as conditional independence tests between negative control variables -- proxies for unobserved variables posing a threat to the identification -- and the IV or the outcome. We describe the conditions that variables must satisfy in order to serve as negative controls. We show that these falsification tests examine not only independence and the exclusion restriction, but also functional form assumptions. Our analysis reveals that conventional applications of these tests may flag problems even in valid IV designs. We offer implementation guidance to address these issues.
研究动机与目标
- 为当前以非正式方式使用的工具变量（IV）设计中的负向控制伪造检验提供正式的理论基础。
- 阐明常见负向控制程序实际检验的假设，尤其是IV的排他性与函数形式。
- 识别有效负向控制变量的必要条件，包括较少使用的类型，如影响IV的变量。
- 纠正负向控制检验中的常见实施错误，特别是关于在NCI检验中何时应控制IV的问题。
- 评估在IV设定中使用负向控制进行偏差校正的可行性，表明这需要非平凡的附加假设。
提出的方法
- 引入对IV排他性威胁的正式定义，称为“替代路径变量”，以明确所测试潜在因果结构。
- 提出两种主要类型的负向控制检验：负向控制结果（NCO）与负向控制工具（NCI），基于反事实推理。
- 利用反事实模型与结构因果模型（通过DAG）推导负向控制有效的条件，不依赖do-演算。
- 推导出差异-沃尔德（DiW）估计量作为使用滞后结果作为NCO的新型伪造检验，并分析其偏差结构。
- 刻画DiW估计量中的偏差项，表明其可能因排除限制违反及“始终接受者”群体中处理效应异质性而产生偏差。
- 证明通过负向控制进行偏差校正仅在强且通常不可验证的假设下才可能实现，例如处理效应同质性。
实验结果
研究问题
- RQ1常见的负向控制伪造程序实际检验的是IV设计中的哪些假设？
- RQ2何种变量可作为有效负向控制，特别是NCI型检验的必要条件是什么？
- RQ3为何某些负向控制检验会同时评估函数形式假设？如何诊断并纠正此类问题？
- RQ4是否可使用负向控制来校正IV估计中的偏差？若可，需满足哪些附加假设？
- RQ5在NCI检验中未能控制IV的后果是什么？何时必须控制IV？
主要发现
- 负向控制检验并非仅检验IV的排他性；它们还可评估函数形式假设，如线性或可加可分性。
- 使用滞后结果作为负向控制的差异-沃尔德（DiW）估计量，在未满足强假设（如处理效应同质性）时，其渐近偏差存在。
- DiW估计量的偏差源于两个来源：排除限制的违反，以及“始终接受者”群体中处理效应的异质性，可能导致任意大的偏差或符号反转。
- 即使在平行趋势假设（假设5）下，DiW也未必一致地估计IV与处理的联合因果效应，除非施加额外限制。
- 影响IV的负向控制变量（NCIs）是有效且被低估的，其使用需在检验回归中谨慎控制IV。
- 在缺乏强且非平凡假设（如处理效应在遵从者与始终接受者中恒定）的情况下，通过负向控制进行偏差校正不可行，使此类校正方法在实践中不可靠。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。