효율적 머신러닝 도구와 커널 스무딩을 활용한 이질적 처리효과 추정법

초록

본 논문은 내생성을 가진 상황에서 이질적 처리효과를 추정하기 위한 새로운 도구변수(IV) 추정기를 제안한다. 이 추정기는 이중/디바이어스 머신러닝(DML) 프레임워크에 효율적 머신러닝 도구(MLIV)를 결합하고, 연속형 이질성 변수에 대해 커널 스무딩을 적용한다. 저자는 일관성, 점근 정규성 및 약한 도구변수에 강인한 신뢰구간을 이론적으로 증명하고, 동질적 처리효과 모델에 대한 접근법도 정리한다. 구현은 R 패키지 IVDML을 통해 제공되며, 합성 및 실제 데이터 실험을 통해 성능을 검증한다.

상세 분석

이 논문은 내생성 문제를 해결하기 위해 도구변수(IV) 접근법을 채택하면서, 처리효과가 연속형 변수 V에 따라 달라지는 이질적 구조를 모델링한다는 점에서 기존 연구와 차별화된다. 핵심은 부분선형 IV 모델을 일반화한 Y_i = β(V_i)·D_i + g(X_i) + ε_i 형태를 채택하고, β(·)를 비파라메트릭하게 추정한다는 점이다. 이를 위해 저자는 두 단계의 이중/디바이어스 머신러닝(DML) 절차를 설계한다. 첫 번째 단계에서는 고차원 혹은 비선형 형태의 보조함수 f(Z,X)=E