Bias-Variance Tradeoff of Matching Prior to Difference-in-Differences When Parallel Trends is Violated

技術的サマリー：マッチングと差分の差分法（DiD）のバイアス - バラツキのトレードオフ

問題提起
実証的なオペレーションズ・マネジメントおよび関連分野において、差分の差分法（DiD）推定量は、因果推論のための標準的なツールであり、「平行トレンド」仮定に依存している。この仮定の妥当性を強化するため、研究者は推定前に観測された共変量に基づいて処理群と対照群をマッチングさせる「マッチング・DiD（M-DiD）」戦略を頻繁に採用する。既存の文献（例：Chabé-Ferret, 2015; Ham and Miratrix, 2024）は、そのような推定量のバイアス特性を詳細に分析してきたが、バラツキと平均二乗誤差（MSE）への影響については概ね軽視されてきた。これにより、マッチングによるバイアス低減と、サンプルサイズ減少に伴う潜在的なバラツキ増大との間のトレードオフ、特に M-DiD 推定量の全体的な性能に関する理解にギャップが生じている。さらに、先行研究はしばしば有限サンプル特性ではなく、集団レベルの極限期待値に依存しており、一部の研究は強い正規性の仮定に依存している。

手法
著者は、観測されない時間変動の交絡因子を有する線形構造方程式モデルに基づいた理論的枠組みを開発した。このモデルは以下の点を可能にする：

1. 時間変動効果：観測された共変量（$X$）および潜在変数（$\theta$）の係数は時間とともに変化しうるため、平行トレンドの潜在的な違反につながる。
2. 有限サンプル分析：極限のみを対象とした先行研究とは異なり、著者は以下の 3 つの推定量に対する有限サンプルのアナログを定義する：
   • 古典的な非マッチング DiD（$\hat{\tau}_{DiD}$）。
   • 観測された共変量に基づいてマッチング後の DiD（$\hat{\tau}^X_{DiD}$）。
   • 観測された共変量および処置前結果の両方に基づいてマッチング後の DiD（$\hat{\tau}^{X,Y_0}_{DiD}$）。
3. 緩和された仮定：この枠組みは、先行文献（例：Ham and Miratrix, 2024）の正規性仮定を、条件付きモーメントに関するリプシッツ連続性条件に置き換えることで、離散共変量およびより広範な分布構造を許容する。
4. 一般化：分析は、単変量・2 期間の設定から、複数の処置前期間（$T > 1$）を有する一般的な多変量設定へ拡張され、双方向固定効果回帰の同等性が利用される。

主要な貢献

1. 有限サンプルの特性記述：本論文は、有限サンプル DiD およびマッチング DiD 推定量の一貫性を導入・証明し、理論的極限値と実用的応用の間のギャップを埋める。
2. バラツキおよび MSE 分析：著者は、これらの推定量のバラツキおよび MSE に対する正確な数学的記述を提供する。彼らは、バイアスにおいて観察されるトレードオフが、必ずしもバラツキにおいても成り立つわけではないことを実証する。
3. 新規のトレードオフ発見：
   • 共変量（$X$）へのマッチング：$X$ へのマッチングが常に有益であると示唆するバイアス結果とは対照的に、著者は $X$ へのマッチングにはサンプルサイズのトレードオフが伴うことを示す。平行トレンドが違反している場合、$X$ へのマッチングは $X$ からの変動を排除することでバラツキを低減するが、この利益は有効サンプルサイズの減少（サンプリング変動の増大）によって相殺される。したがって、バラツキを考慮する際、$X$ へのマッチングは常に推奨されるわけではない。
   • 処置前結果（$Y_0$）へのマッチング：対照的に、処置前結果への追加的なマッチングは、$X$ のみへのマッチングと比較して、常にバラツキを低減する。これは、有効サンプルサイズが同じままである（マッチングは既に実施されているため）こと、および $Y_0$ へのマッチングが不可避な誤差項を低減し、潜在変数のマッチングの信頼性を向上させるためである。
4. 実用的ガイドライン：本論文は、応用研究者が特定のサンプルサイズに基づき、バイアス、バラツキ、または MSE のいずれを優先するかによって、マッチングを行うかどうか、およびどの変数に対して行うかを決定するための、段階的な推定戦略とガイドラインを提供する。

主要な結果

• バイアスとバラツキの乖離：本論文は、明確なバイアス - バラツキのトレードオフを確立する。$X$ へのマッチングは一般的にバイアスを低減するが、共変量の不均衡を除去する利益がサンプルサイズ減少のコストを上回る場合、バラツキを増大させる可能性がある。
• 「信頼性」項：処置前結果にマッチングした推定量のバラツキは、「信頼性」項（$r_{\theta|x}$）に依存する。これは、$X$ を統制した後に処置前結果が潜在交絡因子 $\theta$ をどの程度よく予測するかを測定するものである。処置前期間の数が増加するにつれて、この信頼性は 1 に近づき、マッチングされた推定量のバラツキを不可避な誤差の下限へと駆動する。
• MSE への含意：バイアスとバラツキはマッチング戦略に応じて異なる方向に動くため、MSE を最小化する最適な推定量は文脈に依存する。著者は、意思決定を導くために、特定の符号条件の下でのバイアス、バラツキ、および MSE の相対的減少に関する推定量を提供する。
• 実証的応用：知乎プラットフォームにおける金銭的インセンティブに関する Wang ら（2022）の研究を再分析した結果、著者は、共変量および処置前結果の両方にマッチングするという元の決定が統計的に正当化されたことを発見した。分析は、無視できる程度のバラツキのコストで有意なバイアス低減を示し、その特定の文脈における完全な M-DiD 戦略の使用を支持した。

意義と主張
本論文は、バイアス単独の分析を超えて包括的なバイアス - バラツキ - MSE 枠組みへと移行することで、文献における重要なギャップを埋めると主張している。その意義は以下の点にある：

• 直感の修正：マッチングが常に優れているという直感に挑戦し、バラツキの考慮の下では、サンプルサイズの効率性により、古典的な非マッチング DiD が時として好ましいことを示す。
• 管理的関連性：信頼区間の幅の最小化や意思決定リスクの低減に関連する指標（MSE）とガイドラインを提供することで、オペレーションズ・マネジメント研究者に対する実用的なツールを提供する。
• 理論的厳密性：正規性仮定を緩和し、有限サンプルの一貫性の証明を提供することで先行結果を一般化し、離散データを有する応用設定における知見の堅牢性を高める。

著者は謙虚であり、線形構造モデルへの依存や時間不変の共変量への仮定といった限界を認めている（ただし、時間変動の文脈を近似するために再パラメータ化可能であると論じている）。彼らはバイアスを完全に排除することを主張するのではなく、データの特定の制約を踏まえて、全体的な誤差（MSE）を最小化する推定量を選択するための枠組みを提供することを主張している。