Two-stage least squares with treatment-covariate interactions for treatment effect heterogeneity

이 논문은 도구변수 (Instrumental Variable, IV) 분석에서 공변량 (covariates) 에 따른 **처치 효과의 이질성 (treatment effect heterogeneity)**을 추정하기 위해 널리 사용되는 **상호작용이 포함된 2 단계 최소제곱법 (Interacted 2SLS)**의 인과적 해석에 대한 이론적 한계와 조건을 규명합니다.

저자 Anqi Zhao, Peng Ding, Fan Li 는 공변량이 포함될 때 상호작용 항을 추가한 2SLS 회귀 계수가 국소 평균 처치 효과 (LATE) 프레임워크 하에서 어떤 의미를 가지는지, 그리고 언제 일관성 있는 추정량을 제공하는지 엄밀하게 증명합니다.

다음은 논문의 상세한 기술적 요약입니다.

1. 연구 문제 (Problem)

• 배경: 도구변수 (IV) 분석에서 처치 효과가 공변량에 따라 달라지는 이질성이 존재할 때, 연구자들은 일반적으로 1 단계와 2 단계 회귀식에 **처치 - 공변량 상호작용 항 (treatment-covariate interactions)**을 추가하여 이를 추정합니다 (Interacted 2SLS).
• 문제점: IV 가 조건부 유효 (conditionally valid, 즉 공변량을 조건으로 할 때만 외생성 가정 충족) 인 일반적인 상황에서, 이러한 상호작용 모델의 회귀 계수가 어떤 인과적 파라미터를 추정하는지에 대한 이론적 근거가 부족했습니다.
• 핵심 질문: 상호작용 항을 포함한 2SLS 의 계수가 공변량에 따른 처치 효과 이질성 (systematic treatment effect variation) 을 일관성 있게 (consistently) 추정할 수 있는가? 만약 그렇다면 어떤 조건 하에서 가능한가?

2. 방법론 (Methodology)

• 모델 설정:
  • 잠재결과 프레임워크 (Potential Outcomes Framework) 를 사용하며, IV 가 공변량 $X_i$를 조건으로 할 때만 외생성을 만족한다고 가정합니다.
  • 작업 모델 (Working Model): $Y_i = D_i X_i^\top \beta_{DX} + X_i^\top \beta_X + \eta_i$와 같은 선형 모델을 가정하고, 이를 $Z_i X_i$와 $X_i$로 도구변수화하여 추정합니다.
  • 추정량: 상호작용 2SLS 를 통해 얻은 계수 벡터 $\hat{\beta}_{2sls}$를 분석합니다.
• 핵심 가정:
  • 선형 IV-공변량 상호작용 조건 (Linear IV-covariate interactions condition): $E(Z_i X_i | X_i) = e(X_i)X_i$가 $X_i$에 대해 선형이어야 합니다. 여기서 $e(X_i)$는 IV 의 성향 점수 (propensity score) 입니다.
  • 이 조건은 IV 의 성향 점수와 공변량의 곱이 공변량의 선형 결합으로 표현될 수 있음을 의미합니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

논문의 주요 발견은 세 가지로 요약됩니다.

1) 일관성 추정을 위한 필요충분조건

• 결과: 상호작용 2SLS 의 계수 $\hat{\beta}_{2sls}$가 공변량에 따른 처치 효과 이질성 ($\beta_c$, 즉 공변량으로 설명 가능한 이질성) 을 일관성 있게 추정하기 위한 필요충분조건은 선형 IV-공변량 상호작용 조건이 성립하는 것입니다.
• 의미: 만약 이 조건이 만족되지 않으면, 회귀 계수는 어떤 명확한 인과적 파라미터 (예: LATE 나 조건부 LATE 의 선형 투영) 를 추정하지 못하며, 결과 모델의 오분류 (misspecification) 여부와 무관하게 편향된 결과를 낳을 수 있습니다. 이는 Blandhol et al. (2025) 의 '풍부한 공변량 (rich covariates)' 조건을 상호작용 모델로 확장한 것입니다.

2) 조건의 엄격성과 실현 가능성

• 결과: 공변량 벡터의 차원이 $K$ (상수항 포함) 일 때, 선형 IV-공변량 상호작용 조건이 성립하려면 IV 의 성향 점수 $e(X_i)$가 최대 $K$개의 서로 다른 값만 가질 수 있어야 합니다.
• 해석: 이 조건은 매우 엄격하여, 다음 두 가지 특수한 경우를 제외하고는 일반적으로 성립하기 어렵습니다.
  1. 공변량이 범주형 (Categorical) 인 경우: 공변량이 $K$개의 수준을 가지며 포화 (saturated) 상태일 때.
  2. IV 가 무작위 할당된 경우: IV 가 공변량과 독립적일 때 ($Z_i \perp \perp X_i$).
• 실무적 함의: 공변량이 연속형이거나 IV 가 무조건부 무작위 할당이 아닌 경우, 단순한 상호작용 항 추가만으로는 처치 효과 이질성을 올바르게 해석하기 어렵습니다. 이는 회귀 계수의 인과적 해석에 대한 신중한 접근을 요구합니다.

3) 편향된 공변량 (Demeaned Covariates) 을 통한 LATE 추정

• 결과: 선형 IV-공변량 상호작용 조건이 성립하는 경우, **편향된 공변량 (demeaned covariates)**을 사용한 상호작용 2SLS 는 단일 계수로 **LATE(국소 평균 처치 효과)**를 일관성 있게 추정할 수 있습니다.
• 기존 연구와의 차별점: 기존의 가법적 (additive) 2SLS 는 조건부 LATE 의 가중 평균을 추정하며, 이 가중치가 LATE 와 일치하지 않는 경우가 많습니다. 반면, 제안된 방법은 특정 조건 하에서 LATE 를 직접 추정합니다.
• 예시: 범주형 공변량의 경우, 이 방법은 각 하위 집단의 Wald 추정량의 가중 평균으로 LATE 를 계산하는 것과 수치적으로 동치임을 보입니다.

4. 확장 (Extensions)

• 부분적 상호작용 (Partially Interacted 2SLS): 모든 공변량이 아닌 일부 공변량과만 상호작용을 포함하는 모델로 확장하여, 이 경우에도 유사한 조건 하에서 부분적 이질성 파라미터를 추정할 수 있음을 보였습니다.
• 약한 단조성 (Weak Monotonicity): 강한 단조성 (defier 부재) 가정을 완화하여 약한 단조성 하에서도 결과가 유사하게 성립함을 증명했습니다.

5. 의의 및 결론 (Significance)

• 이론적 기여: IV 분석에서 상호작용 모델의 인과적 해석에 대한 공백을 메웠습니다. 특히, "상호작용 항을 넣으면 자동으로 이질성을 추정한다"는 직관이 조건부 IV 설정에서는 성립하지 않을 수 있음을 경고합니다.
• 실무적 지침:
  • 공변량이 연속형이고 IV 가 무작위 할당이 아닌 관찰 연구에서는, 상호작용 2SLS 의 계수를 단순히 처치 효과 이질성으로 해석하는 것은 위험할 수 있습니다.
  • 대신, **편향된 공변량 (demeaned covariates)**을 포함한 모델을 사용하여 LATE 를 추정하거나, 공변량이 범주형인 경우에만 상호작용 모델을 신뢰할 수 있음을 제시합니다.
• 시뮬레이션: 이론적 결과를 뒷받침하는 시뮬레이션 연구를 통해, 조건이 충족되지 않을 때 상호작용 2SLS 가 편향될 수 있음을, 그리고 조건이 충족될 때 편향된 공변량 모델이 LATE 를 정확히 추정함을 입증했습니다.

요약하자면, 이 논문은 IV 분석에서 처치 효과 이질성을 추정할 때 상호작용 모델을 사용할 수 있지만, 그 해석이 매우 제한적인 조건 (선형 IV-공변량 상호작용 조건) 하에서만 유효함을 보여주었습니다. 이는 연구자들이 모델 사양을 선택할 때 IV 의 성향 점수 구조와 공변량의 특성을 고려해야 함을 강력히 시사합니다.