Two-stage Least Squares with Clustered Data under the Local Average Treatment Effect Framework

この論文「Two-stage least squares with clustered data（クラスターデータを用いた 2 段階最小二乗法）」は、エンダogenous な処置（endogenous treatment）の因果効果を推定する際、クラスター化されたデータ（例：学校、地域、家族など）に対して、標準的な 2 段階最小二乗法（2SLS）と、クラスター固定効果を含む 2 段階最小二乗法（2SFE）のどちらを採用すべきかという問題について、局所平均処置効果（LATE）の枠組みで理論的に検討したものです。

以下に、論文の技術的な要約を問題設定、手法、主要な貢献、結果、そして意義に分けて詳述します。

---

1. 問題設定 (Problem)

実証経済学において、観測単位が上位のグループ（クラスター）にネストされているデータは頻繁に出現します。処置変数（$D_i$）と道具変数（$Z_i$）の両方がクラスター内でも変動する場合、研究者は主に以下の 2 つの推定手法のいずれかを選択します。

1. 標準的な 2SLS (Canonical 2SLS): 処置変数と道具変数を用いて回帰分析を行うが、推定式にはクラスター指標を含めない。クラスターによる相関は、推定後の「クラスター・ロバスト標準誤差」を用いて推論（inference）段階でのみ調整する。
2. 固定効果付き 2SLS (2SFE): 回帰式にクラスター指標（ダミー変数）を含め、クラスター固定効果を推定に組み込む。これにより、点推定（point estimation）の段階でもクラスター情報を活用する。

核心的な課題:
これら 2 つの手法は広く使用されていますが、LATE 枠組みにおけるその因果的解釈や、クラスターの均質性・異質性によってどちらがより効率的かつ妥当な推定量となるかについては、十分に解明されていませんでした。特に、クラスター固定効果を含めることが常に効率的であるとは限らず、場合によっては非効率になる可能性や、クラスターが異質（heterogeneous）な場合の推定量のバイアスに関する理論的裏付けが不足していました。

2. 手法と理論的枠組み (Methodology)

著者らは、潜在結果モデル（Potential Outcomes Framework）と LATE 理論を基盤とし、以下の仮定の下で漸近理論を構築しました。

• データ構造: $N$ 個の単位が $G$ 個のクラスターにネストされている。
• 仮定:
  • クラスター間の独立性（Assumption 1）。
  • 道具変数のクラスターレベルでのランダム割り当てと、排他的制約、重なり、関連性、単調性（Assumption 2）。
  • 均質なクラスター (Homogeneous Clusters): 全単位で潜在結果の周辺分布が同一である場合（Assumption 3）。
  • 異質なクラスター (Heterogeneous Clusters): クラスター間で潜在結果の分布が異なる場合（Assumption 4）。
• 推定量の定義:
  • $\hat{\tau}_{2sls}$: 標準的な 2SLS 推定量。
  • $\hat{\tau}_{2sfe}$: クラスター固定効果を含む 2SLS 推定量。
  • 両者ともにクラスター・ロバスト標準誤差を用いて推論を行う。

3. 主要な貢献と結果 (Key Contributions & Results)

A. 均質なクラスターにおける妥当性と効率性の比較

クラスターが均質（Assumption 3）である場合、両手法とも LATE に対して一貫性（consistency）を持ち、漸近的に正規分布に従うことが示されました。

• 効率性のトレードオフ:
  2SFE が標準的な 2SLS よりも効率的（分散が小さい）になるための条件は、以下の 2 つを満たす場合に限られます。

  1. クラスター固有効果の分散 ($\sigma^2_\alpha$) が、個体固有の誤差項の分散 ($\sigma^2_\epsilon$) よりも支配的であること。
  2. 道具変数に十分なクラスター内変動（within-cluster variation）が存在すること。

  逆に、クラスター固有効果が小さかったり、道具変数のクラスター内変動が乏しい場合、2SFE は標準的な 2SLS よりも非効率的になります。これは、2SFE がクラスター内変動のみを利用するのに対し、標準的な 2SLS はクラスター間変動も利用するためです。

• 共変量調整の影響:
  クラスターレベルの共変量（cluster-level covariates）が存在する場合、標準的な 2SLS ではこれを調整することで効率性を向上させることができますが、2SFE ではクラスター指標がこれらの共変量を吸収してしまうため、調整が不可能になります。この点で、情報量の多いクラスターレベル共変量がある場合、標準的な 2SLS が有利になる可能性があります。

B. 異質なクラスターにおける因果的解釈

クラスターが異質（Assumption 4）である場合、両手法の推定対象（estimand）に決定的な違いが生じます。

• 2SFE の性質: 2SFE は、クラスター固有の LATE（$\tau_{c,g}$）の重み付き平均を識別します。重みは非負であり、和は 1 になります。したがって、2SFE は明確な因果的解釈（加重平均の LATE）を持ちます。
• 標準的 2SLS の性質: 標準的な 2SLS は、一般的に LATE の加重平均を識別しません。特に、クラスター間の道具変数の割り当て確率（$e_g$）が異なる場合、推定量はゼロでないバイアスを含み、LATE としての解釈が困難になります（Blandhol et al., 2022 の「レベル非独立性」の問題）。
• 結論: クラスターが異質である可能性が高い場合、解釈可能性の観点から 2SFE の使用が推奨されます。

C. クラスター異質性の検定

均質なクラスターと異質なクラスターの下で、$\hat{\tau}_{2sls}$ と $\hat{\tau}_{2sfe}$ の同時分布が異なることに着目し、両者の差に基づく検定統計量（Hausman 型テスト）を提案しました。

• 帰無仮説：クラスターは均質である。
• 対立仮説：クラスターは異質である。
• この検定を棄却した場合、クラスター異質性の証拠となり、2SFE の使用が適切であると判断できます。

4. シミュレーションと実証分析 (Simulations & Application)

• シミュレーション:
  • 均質なクラスター下では、両手法とも正しい被覆率（coverage rate）を示すことを確認しました。
  • 効率性については、理論通り、クラスター効果の大きさと道具変数の変動構造によって、どちらが効率的かが逆転することが示されました。
  • 異質なクラスター下では、2SFE が真の加重平均 LATE を推定するのに対し、標準的 2SLS はバイアスを持つことを確認しました。また、提案した異質性検定は、異質性が存在する際に高い検出力を持つことを示しました。
• 実証分析（モロッコのマイクロクレジット）:
  • 既存の研究（Crépon et al., 2015）のデータを用いて、標準的 2SLS と 2SFE、およびそれらの共変量調整版を比較しました。
  • クラスター異質性検定は有意でなかったため、均質性の仮定は棄却されませんでした。
  • 結果として、共変量調整を行った 2SFE（2sfe-x）が最も狭い信頼区間（最小の標準誤差）を提供し、統計的有意性を示しました。これは、クラスターレベルの共変量調整と固定効果の両方が有効であった事例です。

5. 意義と結論 (Significance)

この論文は、クラスターデータを用いた IV 分析における実務的な指針を提供する重要な貢献をしています。

1. 理論的明確化: 「クラスター固定効果を含めることが常に良い」という通念に対し、均質なクラスター下では必ずしも効率的ではないことを理論的に証明しました。
2. 解釈可能性の重視: クラスターが異質である場合、標準的 2SLS が意味のあるパラメータを推定しない可能性を指摘し、2SFE の優位性を示しました。
3. 実践的ツール: 研究者がデータの特徴（クラスターの均質性、共変量の有無、IV の変動構造）に基づいて、適切な手法を選択するための検定統計量を提案しました。

結論として:

• クラスターが均質で、クラスターレベルの共変量がある、あるいは IV のクラスター内変動が小さい場合は、標準的 2SLS（共変量調整あり）が望ましい場合があります。
• クラスターが異質である、あるいはクラスター固有効果が大きく IV のクラスター内変動が十分にある場合は、2SFEがより効率的かつ解釈可能な推定量を提供します。
• 実務では、提案された異質性検定を行い、その結果に基づいて手法を選択することが推奨されます。