回帰不連続デザイン

同義語:回帰不連続法regression discontinuity designregression discontinuity

概要

回帰不連続デザイン(regression discontinuity design)とは、連続な割り当て変数が閾値を超えるかどうかで処置が決まるとき、閾値のすぐ上とすぐ下を比べて処置の効果を推定する方法である。処置が閾値で確定的に切り替わるシャープなデザインでは、潜在結果の回帰関数が閾値で連続なら、観測される結果の回帰関数の閾値での跳びが閾値での平均処置効果に等しい。処置を受ける確率だけが跳ぶファジーなデザインでは、反抗者がいないという単調性のもとで、結果の跳びと処置の跳びの比が閾値での遵守者の平均効果に等しい。推定には端の点での偏りの小さい局所線形回帰を使い、割り当て変数を操作できると連続性が成り立たなくなって跳びは効果を表さない。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: 因果推論, 条件付き期待値, ノンパラメトリック回帰

回帰不連続デザイン(regression discontinuity design)は、ある連続な変数(割り当て変数)が閾値を超えるかどうかで処置が決まる状況を使い、閾値のすぐ上とすぐ下の個体を比べて処置の効果を推定する方法である。奨学金が試験の点数で、補助が所得で、選挙の当選が得票率で決まるのが典型である。閾値の近くの個体は、処置を受けたかどうか以外はよく似ていると期待できる。これを潜在結果の回帰関数の連続性として仮定すると、結果の回帰関数の閾値での跳びが閾値での処置の効果を表す。この方法は Thistlethwaite と Campbell TC60 が導入した(LL10 p. 1)。
この記事では、閾値で処置が確定的に切り替わる場合(シャープなデザイン)に、潜在結果の回帰関数が閾値で連続ならば跳びが閾値での平均処置効果に等しいこと(thm-rd-sharp)を、回帰関数の片側の極限が観測される分布から決まること(lem-rd-unique)とあわせて証明する。処置を受ける確率だけが跳ぶ場合(ファジーなデザイン)には、2 つの跳びの比が閾値での遵守者の平均効果に等しいこと(thm-rd-fuzzy)を証明する。推定では、閾値という端の点での局所線形回帰の利点(prop-rd-boundary)を示し、閾値の操作による反例を挙げる。

設定

割り当て変数 $X$ は実数値で、閾値 $c$ のある近傍 $I:=(c-\delta,c+\delta)$ の上で、正の値をとる密度をもつとする。因果推論 の定義「潜在結果と平均処置効果」の記法で、潜在結果 $Y(0),Y(1)$ は可積分とし、$\Delta:=Y(1)-Y(0)$ と書く。可積分な確率変数 $Z$ について、$E[Z\mid X=x]$ は $X$ の分布についてほとんどいたるところでしか定まらない関数である(条件付き期待値)。閾値という 1 点での値を意味のあるものにするため、次の補題を使う。

連続な版の一意性

$J\subset I$ を開区間とし、$g_1,g_2$ を $E[Z\mid X=x]$ の 2 つの版とする。$g_1,g_2$ がともに $J$ 上で連続なら、$J$ 上で $g_1=g_2$ である。

$A:=\{x\in J:g_1(x)\ne g_2(x)\}$ とおく。2 つの版は $X$ の分布について $0$ の集合を除いて一致するので、密度を $f$ とすると $\int_Af(x)\,dx=P(X\in A)=0$ で、$J$ 上で $f>0$ だから $A$ の Lebesgue 測度は $0$ である。一方 $g_1-g_2$ は $J$ 上で連続なので $A$ は開集合で、空でない開集合の Lebesgue 測度は正である。従って $A=\emptyset$。$\square$

以下、$E[Z\mid X=x]$ が $J$ 上で連続な版をもつとき、その版(lem-rd-unique により一意)を $\mu_Z$ と書き、$x\in J$ での値を $E[Z\mid X=x]$ と書く。

シャープなデザイン

シャープな回帰不連続デザイン

処置が $D=\mathbf 1\{X\ge c\}$ で決まり、観測される結果が $Y=Y(D)$ であるとき、シャープな回帰不連続デザイン という。$\mu_{Y(0)},\mu_{Y(1)}$ が $I$ 上の連続な版をもつとき、
$$ \tau_{\mathrm{SRD}}:=E[Y(1)-Y(0)\mid X=c]=\mu_{Y(1)}(c)-\mu_{Y(0)}(c) $$
を 閾値での平均処置効果 という。

閾値より上では $Y(0)$ が、下では $Y(1)$ が観測されないので、どの $x$ でも両方の潜在結果を見ることはできない(傾向スコア で言えば、処置の確率は $0$ か $1$ で重なりがまったくない)。代わりに、連続性を使って閾値の両側から外挿する。

シャープなデザインでの識別

シャープな回帰不連続デザインで、次を仮定する。

  1. $X$ は $I$ 上で正の密度をもつ。
  2. 連続性:$E[Y(0)\mid X=x]$ と $E[Y(1)\mid X=x]$ は $I$ 上で連続な版をもつ。
    このとき、観測される結果の回帰関数 $E[Y\mid X=x]$ は $(c-\delta,c)$ 上と $(c,c+\delta)$ 上でそれぞれ連続な版をもち、その版は観測される分布から一意に決まる。さらに片側の極限について
    $$ \lim_{x\downarrow c}E[Y\mid X=x]-\lim_{x\uparrow c}E[Y\mid X=x]=\tau_{\mathrm{SRD}} $$
    が成り立つ(IL07 §2.2、式 (2.1)(p. 4)、Assumption 2.1(p. 5)、p. 6)。
閾値の両側で観測される潜在結果を取り替える

$X\ge c$ の上では $D=1$ なので $Y=Y(1)$ である。従って $(c,c+\delta)$ に含まれるボレル集合 $B$ について
$$ E\bigl[Y\,\mathbf 1\{X\in B\}\bigr]=E\bigl[Y(1)\,\mathbf 1\{X\in B\}\bigr]=E\bigl[\mu_{Y(1)}(X)\,\mathbf 1\{X\in B\}\bigr] $$
であり、$E[Y\mid X=x]$ の版を 1 つとって $(c,c+\delta)$ の上だけ $\mu_{Y(1)}$ に替えたものも $E[Y\mid X=x]$ の版である。同様に $\mu_{Y(0)}$ は $(c-\delta,c)$ での版である。どちらも連続で、lem-rd-unique により、各区間で連続な版はこれだけである。$Y$ と $X$ の同時分布だけから定まる対象なので、観測される分布から決まる。
$\mu_{Y(1)},\mu_{Y(0)}$ は $c$ で連続なので、片側の極限はそれぞれ $\mu_{Y(1)}(c)$、$\mu_{Y(0)}(c)$ で、その差が $\tau_{\mathrm{SRD}}$ である。$\square$

閾値の上でも下でも、識別に使っているのは「閾値での値」だけである。$X$ が閾値から遠い個体の効果は、この方法では分からない。

ファジーなデザイン

閾値を超えても処置を受けない人や、超えなくても受ける人がいる場合を考える。各個体は、$X$ が閾値より下のときに受ける処置 $D_-\in\{0,1\}$ と、上のときに受ける処置 $D_+\in\{0,1\}$ をもち、観測されるのは
$$ D=D_+\mathbf 1\{X\ge c\}+D_-\mathbf 1\{X< c\},\qquad Y=Y(D) $$
とする。$D_+>D_-$ の個体を 遵守者、$D_+< D_-$ の個体を 反抗者 という(操作変数法 の節「効果が人ごとに違うとき」と同じ呼び方)。

ファジーなデザインでの識別

上の設定で、次を仮定する。

  1. $X$ は $I$ 上で正の密度をもつ。
  2. 単調性:$D_+\ge D_-$ がほとんど確実に成り立つ(反抗者がいない)。
  3. 連続性:$Y(0)$、$D_+\Delta$、$D_-\Delta$、$D_+$、$D_-$ の $X$ についての条件付き期待値は、どれも $I$ 上で連続な版をもつ。
  4. 関連性:$\pi:=E[D_+-D_-\mid X=c]>0$。
    このとき
    $$ \frac{\displaystyle\lim_{x\downarrow c}E[Y\mid X=x]-\lim_{x\uparrow c}E[Y\mid X=x]}{\displaystyle\lim_{x\downarrow c}E[D\mid X=x]-\lim_{x\uparrow c}E[D\mid X=x]}=\frac{E\bigl[\Delta\,\mathbf 1\{D_+>D_-\}\bigm|X=c\bigr]}{P\bigl(D_+>D_-\bigm|X=c\bigr)}=:\tau_{\mathrm{FRD}} $$
    が成り立つ。右辺は、閾値での遵守者の平均効果である。
遵守者だけが跳びに寄与する

$Y=Y(0)+D\Delta$ なので、$X\ge c$ の上では $Y=Y(0)+D_+\Delta$、$D=D_+$ である。prf-rd-sharp と同じ議論で、$(c,c+\delta)$ 上で $E[Y\mid X=x]$ と $E[D\mid X=x]$ の連続な版は $\mu_{Y(0)}+\mu_{D_+\Delta}$ と $\mu_{D_+}$ で、$c$ での右極限は $\mu_{Y(0)}(c)+\mu_{D_+\Delta}(c)$ と $\mu_{D_+}(c)$ である。下側も同様に $D_-$ に替えたものになる。従って
$$ \text{分子}=\mu_{D_+\Delta}(c)-\mu_{D_-\Delta}(c),\qquad\text{分母}=\mu_{D_+}(c)-\mu_{D_-}(c)=\pi . $$
連続な版の差は差の連続な版なので、分子は $E[(D_+-D_-)\Delta\mid X=c]$ である。単調性から $D_+-D_-\in\{0,1\}$ で、$1$ になるのは遵守者に限るから $D_+-D_-=\mathbf 1\{D_+>D_-\}$ がほとんど確実に成り立つ。同じ理由で分母は $P(D_+>D_-\mid X=c)$ で、関連性から正である。$\square$

シャープなデザインは $D_+=1$、$D_-=0$ の場合で、このとき全員が遵守者で $\tau_{\mathrm{FRD}}=\tau_{\mathrm{SRD}}$ である。分母の跳びは、閾値を超えること $\mathbf 1\{X\ge c\}$ を操作変数とみたときの関連性の強さにあたり、thm-rd-fuzzy は 操作変数法 の定理「局所平均処置効果」を閾値の近くに局所化したものとみなせる。比の推定対象と、それが閾値での遵守者の平均効果であるという解釈は IL07 §2.3(pp. 7–8)にある(そこでは遵守者を閾値の位置を動かしたときの処置の変化で定義している)。IL07 p. 7 は、効果が個体ごとに違うときのこの解釈を Hahn・Todd・van der Klaauw HTV01 に帰している。

推定

片側の極限 $\mu_{Y(1)}(c)$ を、閾値より上のデータ $(X_i,Y_i)$($X_i\ge c$)から推定する。$\mu_{Y(1)}(c)$ は、データのある範囲の端の点での回帰関数の値なので、ノンパラメトリック回帰 の端の点の問題がそのまま現れる。核 $K\ge0$ と帯域幅 $h>0$ をとり、$K_i:=K((X_i-c)/h)$、$K$ は $[-1,1]$ の外で $0$ とする。

  • 局所定数推定量:$\hat a_0:=\sum_iw_iY_i$、$w_i:=K_i/\sum_jK_j$(閾値の近くの重み付き平均)。
  • 局所線形推定量:$\sum_iK_i\bigl(Y_i-a-b(X_i-c)\bigr)^2$ を最小にする $a$ を $\hat a_1$ とする(ノンパラメトリック回帰 の定義「局所線形推定量」で $x=c$ としたもの)。
    下側も同様に作り、上側と下側の推定値の差を $\hat\tau_{\mathrm{SRD}}$ とする。
端の点での局所定数と局所線形の偏り

$X_1,\dots,X_n\in[c,c+h]$ を固定し($X$ で条件付けたと考える)、$E[Y_i]=m(X_i)$、$m$ は $[c,c+h]$ で $C^2$ 級、$M_2:=\sup\lvert m''\rvert$ とする。$\sum_jK_j>0$ とし、局所線形推定量については ノンパラメトリック回帰 の命題「局所線形推定の重み」の条件 $S_0S_2-S_1^2>0$ を仮定し、その重みを $l_i$ とする。このとき
$$ \Bigl\lvert E[\hat a_0]-m(c)-m'(c)\sum_iw_i(X_i-c)\Bigr\rvert\le\frac{M_2h^2}2,\qquad\bigl\lvert E[\hat a_1]-m(c)\bigr\rvert\le\frac{M_2h^2}2\sum_i\lvert l_i\rvert $$
であり、$\sum_iw_i(X_i-c)\ge0$ である。

$K_i\ne0$ なら $0\le X_i-c\le h$ である。Taylorの定理 から $\bigl\lvert m(X_i)-m(c)-m'(c)(X_i-c)\bigr\rvert\le\frac{M_2}2(X_i-c)^2\le\frac{M_2h^2}2$。$\sum_iw_i=1$、$w_i\ge0$ なので、$E[\hat a_0]-m(c)=\sum_iw_i(m(X_i)-m(c))$ から第 1 式が出て、$X_i\ge c$ から $\sum_iw_i(X_i-c)\ge0$ である。局所線形の重みは $\sum_il_i=1$、$\sum_il_i(X_i-c)=0$ をみたす(同じ命題)ので、$E[\hat a_1]-m(c)=\sum_il_i\bigl(m(X_i)-m(c)-m'(c)(X_i-c)\bigr)$ で、$l_i\ne0$ なら $K_i\ne0$ だから第 2 式が出る。$\square$

局所定数推定量は、閾値の片側の点だけを平均するので、$m'(c)\ne0$ なら $h$ の大きさの偏りをもつ。局所線形推定量では 1 次の項が消え、偏りは $h^2$ の大きさになる。IL07 §4.1–4.2(pp. 15–16)は局所線形回帰を実用的な解決として挙げ、帯域幅を適当な速さで $0$ に近づけると推定量は漸近正規で、最小二乗法の(頑健な)標準誤差が使えると述べている(この記事では証明しない)。ファジーなデザインでは、$D$ についても同じ局所線形回帰をして跳びの比をとる。一様な核で同じ帯域幅を使うと、この比は、閾値を超えることを操作変数とし、閾値の両側の傾きを外生の説明変数とした二段階最小二乗推定量に数値的に一致する(IL07 §4.4、式 (4.7)〜(4.9)、pp. 18–19)。

例と反例

等間隔の点での端の偏り

閾値より上の点が $X_j=c+jh/k$($j=1,\dots,k$)、核が一様($[-1,1]$ で $1$)で、$m(x)=m(c)+\beta(x-c)$($\beta>0$)とする。$w_j=1/k$ なので
$$ E[\hat a_0]-m(c)=\frac\beta k\sum_{j=1}^k\frac{jh}k=\beta h\,\frac{k+1}{2k} $$
で、$k$ を増やしても $\beta h/2$ より小さくならない。局所線形推定量は 1 次関数を正確に再現するので $E[\hat a_1]=m(c)$ である。下側の点が $c-jh/k$ で同じ 1 次関数なら、偏りは $-\beta h(k+1)/(2k)$ と逆の向きに出るので、局所定数による $\hat\tau_{\mathrm{SRD}}$ の偏りは $\beta h(k+1)/k$ になる。効果がなくても、回帰関数の傾きだけで見かけの跳びが生じる。

反例:閾値のすぐ下の個体が上へ移る

処置は効果をもたず($Y(0)=Y(1)=U$)、$U$ は $P(U=1)=P(U=0)=\frac12$ の 2 値、本来の割り当て変数 $X^*$ は $U$ と独立で $(-1,1)$ 上の一様分布、閾値は $c=0$ とする。$0< \varepsilon< 1$ を固定し、$U=1$ で $X^*\in[-\varepsilon,0)$ の個体だけが値を $\varepsilon$ だけ上げて閾値を超える:$X=X^*+\varepsilon\mathbf 1\{U=1,\,-\varepsilon\le X^*< 0\}$。$X$ の密度は $[-\varepsilon,0)$ で $\frac14$、$[0,\varepsilon)$ で $\frac34$、ほかの $(-1,1)$ で $\frac12$ で、どこでも正である。$[-\varepsilon,0)$ には $U=0$ の個体しかいないので $E[U\mid X=x]=0$、$[0,\varepsilon)$ では密度 $\frac34$ のうち $U=1$ が $\frac12$ を占めるので $E[U\mid X=x]=\frac23$ である。従って
$$ \lim_{x\downarrow0}E[Y\mid X=x]-\lim_{x\uparrow0}E[Y\mid X=x]=\frac23\ne0=Y(1)-Y(0) $$
で、thm-rd-sharp の結論が成り立たない。外れた仮定は連続性で、$E[Y(0)\mid X=x]=E[U\mid X=x]$ は $0$ で $0$ から $\frac23$ へ跳ぶ。同時に $X$ の密度も $\frac14$ から $\frac34$ へ跳ぶ。割り当て変数の密度が閾値で連続かを調べる検定は McCrary McC08 が提案し、IL07 §7.2(p. 27)は操作を疑う手がかりとして勧めている(密度の連続性自体は識別に必要ではない)。

反例:反抗者がいるファジーなデザイン

閾値の近くの個体の型の割合が $X$ によらず、遵守者 $30\%$(効果 $\Delta=1$)、反抗者 $20\%$($D_+=0$、$D_-=1$、効果 $\Delta=3$)、残り $50\%$ は $D_+=D_-=0$ で効果は任意の正の値とし(操作変数法 の反例「反抗者がいると比は効果の符号さえ表さない」の型の割合を閾値の近くに置いたもの)、$(Y(0),\Delta)$ と型は $X$ と独立とする。単調性だけが成り立たず、連続性は成り立つ。prf-rd-fuzzy の計算は単調性を使う前の段階で、分子が $E[(D_+-D_-)\Delta\mid X=c]=0.3\cdot1-0.2\cdot3=-0.3$、分母が $0.3-0.2=0.1$ であることを示しているので、跳びの比は $-3$ である。どの個体の効果も正なのに比は負で、遵守者の平均効果 $1$ とも違う。

閾値での効果と全体の効果の違い

シャープなデザインで $X$ が $(-1,1)$ 上の一様分布、$c=0$、$E[Y(0)\mid X=x]=x$、$E[Y(1)\mid X=x]=2x+1$ とする。仮定はすべて成り立ち、跳びは $\tau_{\mathrm{SRD}}=1$ である。$X=x$ での平均効果 $E[Y(1)-Y(0)\mid X=x]=x+1$ は $x$ とともに動き、全体の平均処置効果 $E[X+1]=1$ はこの例ではたまたま一致するが、処置を受けた個体での平均 $E[X+1\mid X\ge0]=\frac32$ とは違う。回帰不連続デザインが識別するのは閾値での効果だけである。

主張外した仮定反例確かめ
跳び $=$ 閾値での効果(thm-rd-sharp)連続性(閾値の操作)ex-rd-manipulation跳びは $\frac23$、効果は $0$
跳びの比 $=$ 遵守者の平均効果(thm-rd-fuzzy)単調性ex-rd-defiers比は $-3$、遵守者の効果は $1$
跳び $=$ 処置群の平均処置効果効果が $x$ によらないことex-rd-heterogeneous跳びは $1$、処置群の平均は $\frac32$

関連項目

参考文献

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する