패널 데이터 양분 회귀를 이용한 치료 효과 모델 연구

📝 원문 정보

• Title: Panel Data Quantile Regression for Treatment Effect Models
• ArXiv ID: 2001.04324
• 발행일: 2021-11-18
• 저자: Takuya Ishihara

📝 초록 (Abstract)

이 연구에서는 랭크 불변성과 랭크 정역성을 가정한 양자적 처리 효과(QTE)의 새로운 추정 방법을 개발합니다. Ishihara (2020)는 이러한 가정 하에서 분리되지 않은 패널 데이터 모델의 식별을 탐색하고 최소 거리 방법을 기반으로 한 매개변수 추정법을 제안했습니다. 그러나 공변량의 차원이 클 경우 이 과정을 사용한 최소 거리 추정은 계산적으로 요구사항이 많습니다. 이를 극복하기 위해, 우리는 양자 회귀 및 최소 거리 방법을 기반으로 한 두 단계 추정법을 제안합니다. 그런 다음 우리의 추정기의 일치 점근 성질과 비매개변수 부트스트랩의 유효성을 보여줍니다. 몬테카를로 연구는 우리의 추정기가 유한 표본에서 잘 작동함을 나타냅니다. 마지막으로, 우리는 두 가지 경험적 예제를 제시하여 보험 제공이 가구 생산에 미치는 분포 효과와 TV 시청이 아동 인지 발달에 미치는 영향을 추정합니다.

💡 논문 핵심 해설 (Deep Analysis)

This paper proposes a new method for estimating treatment effects using panel data quantile regression techniques, particularly focusing on making efficient computations when dealing with high-dimensional covariates. The problem arises from the inefficiency of minimum distance methods in high dimensions for identifying quantile treatment effects (QTE) under nonseparable panel data models. To address this issue, the authors introduce a two-step estimation method combining quantile regression and minimum distance techniques. In the first step, they estimate the effect at each quantile, then use these results to estimate the overall distribution of treatment effects in the second step. The proposed method demonstrates excellent performance in finite samples as indicated by Monte Carlo simulations. Two empirical applications are provided to illustrate its practical utility: estimating the impact of insurance provision on household production and the influence of TV watching on child cognitive development. This approach offers a new tool for efficient estimation of treatment effects in high-dimensional settings, which is valuable in economics and other social sciences for evaluating policy impacts.

📄 논문 본문 발췌 (Translation)

Reference