Sensitivity Analysis for Instrumental Variables Under Joint Relaxations of Monotonicity and Independence

논문 요약: Instrumental Variables Under Joint Relaxations of Monotonicity and Independence 에 대한 민감도 분석

Pedro Picchetti (PUC-Chile 경제연구소) 가 작성한 이 논문은 계량경제학에서 널리 사용되는 도구변수 (Instrumental Variables, IV) 방법론의 핵심 가정인 독립성 (Independence) 과 단조성 (Monotonicity) 이 위반될 때, 국소 평균 처리 효과 (LATE) 및 평균 처리 효과 (ATE) 추정치의 민감도를 평가하기 위한 새로운 접근법인 파괴 프론티어 (Breakdown Frontier) 를 개발합니다.

아래는 논문의 문제 제기, 방법론, 주요 기여, 결과 및 의의를 기술적으로 상세히 요약한 내용입니다.

---

1. 문제 제기 (Problem)

• 도구변수 (IV) 의 한계: IV 분석은 무작위 통제 실험이 불가능한 상황에서 인과관계를 추정하는 핵심 도구입니다. 그러나 IV 의 타당성을 보장하기 위해서는 강력한 가정들이 필요합니다.
  • 독립성 (Exclusion Restriction/Independence): 도구변수 $Z$는 잠재적 결과 $Y$와 잠재적 처치 $D$와 조건부 독립이어야 합니다.
  • 단조성 (Monotonicity): 모든 개인에게 도구변수의 변화가 처치 수용에 동일한 방향 (예: 모두 증가 또는 모두 감소) 으로 영향을 미쳐야 합니다. 즉, '거부자 (Defiers)'가 존재하지 않아야 합니다.
• 현실적 문제: 이러한 가정들은 검증하기 어렵거나 (unverifiable), 실제 데이터에서는 위반될 가능성이 높습니다. 특히 최근 연구들 (Cinelli & Hazlett, 2025 등) 은 IV 가정의 위반에 대한 회의론이 커지고 있음을 지적합니다.
• 연구 목적: 기존 연구들은 주로 독립성 위반이나 단조성 위반 중 하나만 고려하는 경우가 많았습니다. 본 논문은 두 가지 가정이 동시에 완화 (relaxation) 될 때 LATE 와 ATE 를 어떻게 부분적으로 식별 (partial identification) 할 수 있는지, 그리고 특정 결론 (예: 효과가 양수이다) 을 유지할 수 있는 가장 약한 가정의 집합 (breakdown frontier) 은 무엇인지 규명하는 것을 목표로 합니다.

2. 방법론 (Methodology)

저자는 두 가지 민감도 매개변수를 도입하여 가정 위반을 파라미터화하고, 이를 기반으로 식별 집합 (identified sets) 과 파괴 프론티어를 도출합니다.

2.1. 민감도 매개변수 (Sensitivity Parameters)

1. $c$-의존성 (c-dependence, Masten & Poirier, 2018):
   • 독립성 위반을 측정합니다.
   • 관측된 공변량 $X$가 주어졌을 때, 도구변수 $Z$의 조건부 확률과 잠재적 변수 ($Y, D$) 가 주어졌을 때의 조건부 확률 사이의 최대 차이를 $c$로 제한합니다.
   • $c=0$이면 완전한 독립성, $c>0$이면 독립성이 위반됨을 의미합니다.
2. 거부자 비율 ($\pi_{def}$):
   • 단조성 위반을 측정합니다.
   • 전통적인 IV 가정에서는 거부자 (Defiers, $D(1)<D(0)$인 집단) 의 비율이 0 이어야 합니다. 본 논문은 이를 0 보다 크지만 순응자 (Compliers) 비율보다 작은 값으로 허용합니다 ($0 < \pi_{def} < \pi_{co}$).

2.2. 부분 식별 (Partial Identification)

• 잠재 변수의 한계 도출: $c$-의존성 가정 하에서 잠재적 처치 $D(z)$와 잠재적 결과 $Y(D(z))$의 결합 확률에 대한 상한과 하한을 유도합니다 (Proposition 1).
• ITT 및 LATE 의 식별 집합:
  • 의도적 치료 효과 (Intention-to-Treat, ITT) 와 국소 평균 처리 효과 (LATE) 에 대한 식별 집합을 유도합니다.
  • 이 집합은 민감도 매개변수 $c$와 $\pi_{def}$의 함수로 표현됩니다.
  • Sharpness (날카로움): 특정 조건 하에서 유도된 한계가 실제로 달성 가능한지 (sharp) 증명합니다.
• 평균 처리 효과 (ATE) 의 식별: 순응자 집단이 점 식별되지 않는 상황에서도 ATE 에 대한 식별 집합을 유도하며, 이는 기존 Balke & Pearl (1997) 의 결과와 일치함을 보입니다.

2.3. 파괴 프론티어 (Breakdown Frontier)

• 정의: 연구자가 원하는 결론 (예: $LATE > 0$) 이 성립하기 위해 허용될 수 있는 독립성 위반 ($c$) 과 단조성 위반 ($\pi_{def}$) 의 최대 조합을 나타내는 곡선입니다.
• 의미: 파괴 프론티어 내부 (Robust Region) 에 있는 $(c, \pi_{def})$ 쌍에 대해서는 연구 결론이 유효합니다. 이 곡선은 두 가지 위반 사이의 트레이드오프 (trade-off) 를 시각화합니다.

2.4. 추정 및 추론 (Estimation & Inference)

• 비모수 추정량: 표본 유사 추정량 (sample analogue estimators) 을 사용하여 한계와 파괴 프론티어를 추정합니다.
• 점근적 성질: 함수가 Hadamard 방향 미분 가능 (Hadamard directional differentiable) 하다는 성질을 이용하여 (Fang & Santos, 2018), 추정량의 점근적 분포를 유도합니다.
• 부트스트랩 (Bootstrap): 표준 부트스트랩은 비일관적 (inconsistent) 이므로, Hadamard 도함수를 수치적으로 추정하는 Hong & Li (2018) 의 방법을 활용한 수치적 델타 방법 부트스트랩을 사용하여 균일 신뢰대 (uniform confidence bands) 를 구성합니다.

3. 주요 기여 (Key Contributions)

1. 동시 완화 (Joint Relaxation) 의 분석: 기존 연구들이 독립성 또는 단조성 중 하나만 완화한 것과 달리, 두 가정이 동시에 위반되는 상황을 체계적으로 분석합니다.
2. 통일된 단위 측정: $c$ (독립성 위반) 와 $\pi_{def}$ (단조성 위반) 를 모두 확률 단위 (probability units) 로 측정하여, 두 위반 사이의 트레이드오프를 직관적으로 해석할 수 있게 합니다.
3. LATE 와 ATE 의 동시 고려: IV 설정에서 LATE 가 점 식별되지 않을 때, 연구자들이 실제로 관심 있는 ATE 에 대한 식별 집합도 함께 제공합니다.
4. 추론 방법론의 발전: 파괴 프론티어와 같은 비선형, 비미분 가능 함수에 대한 유효한 균일 신뢰대 구성을 위한 부트스트랩 절차를 제시합니다.

4. 결과 (Results)

4.1. 시뮬레이션 결과 (Monte Carlo Simulations)

• 표본 크기가 증가함에 따라 파괴 프론티어 추정량의 분포가 실제 프론티어 주변으로 수렴함을 확인했습니다.
• 추정량의 편향 (bias) 이 매우 작으며, 구성된 95% 하단 신뢰대가 이론적 커버리지와 일치하는 등 유한 표본 성질이 양호함을 보였습니다.

4.2. 실증 분석 (Angrist & Evans, 1998 재검토)

• 연구 대상: Angrist & Evans (1998) 의 '가족 크기가 여성의 고용에 미치는 영향' 연구 (도구변수: 첫 두 자녀의 성별 동일 여부).
• 결과:
  • 단조성 위반: 페루의 설문조사 (1.8% 의 거부자 존재 가능성) 를 기준으로 할 때, 연구의 결론 (가족 크기 증가가 고용을 감소시킨다) 을 유지하기 위한 최대 거부자 비율은 0.008로, 기준치 (0.018) 보다 낮습니다.
  • 독립성 위반: 관측 가능 변수 선택을 기반으로 한 교정 (0.011) 을 기준으로 할 때, 결론을 유지할 수 있는 최대 독립성 위반 ($c$) 은 0.004로, 기준치보다 낮습니다.
• 결론: Angrist & Evans (1998) 의 결론은 독립성이나 단조성의 매우 작은 위반에도 불구하고 매우 민감하게 무너집니다 (highly sensitive). 즉, 기존 연구의 결론은 가정이 약간만 위반되어도 신뢰할 수 없음을 시사합니다.

5. 의의 및 시사점 (Significance)

• 실증 연구의 신뢰성 강화: 연구자들은 IV 분석을 수행할 때 단순히 점 추정을 보고하는 것을 넘어, 파괴 프론티어 분석을 통해 자신의 결론이 가정 위반에 얼마나 견고한지 (robustness) 정량적으로 제시할 수 있습니다.
• 정책적 함의: IV 를 이용한 정책 평가에서 가정 위반이 결론을 뒤집을 수 있는 경우를 사전에 식별함으로써, 잘못된 정책 결정의 위험을 줄일 수 있습니다.
• 계량경제학적 방법론: 비선형 식별 문제와 민감도 분석에 대한 새로운 통계적 프레임워크를 제공하여, 향후 IV 연구 및 부분 식별 (partial identification) 연구에 중요한 기준이 될 것입니다.

요약하자면, 이 논문은 IV 분석의 핵심 가정 위반에 대한 정량적 민감도 분석을 위한 강력한 도구인 '파괴 프론티어'를 개발하고, 이를 통해 기존 유명 연구의 결론이 매우 취약할 수 있음을 실증적으로 증명했습니다. 이는 계량경제학자들이 인과관계 추정의 불확실성을 더 투명하게 다루도록 돕는 중요한 기여입니다.