Spectral Truncation in Synthetic Control

기술 요약: 합성 통제(Synthetic Control)에서의 스펙트럼 절단(Spectral Truncation)

문제 정의
합성 통제(SC) 방법은 처우를 받은 단위의 반사실적 궤적을 추정하기 위해, 처우를 받지 않은 대조군(donor) 단위들의 가중 평균을 구성하며, 이때 가중치가 적용된 대조군의 처우 전 경로가 처우를 받은 단위의 가공되지 않은 처우 전 경로와 일치하도록 한다. 본 논문은 대안적인 접근 방식인 **스펙트럼 합성 통제(Spectral Synthetic Control)**를 조사한다. 이 방식은 원시 시간 좌표(raw time coordinates)가 아닌, 대조군 패널의 선도적 시간 특이 벡터(leading temporal singular vectors)의 좌표에서 매칭을 수행한다. 이 논문의 동기 부여가 된 가설은, 만약 결과 프로세스가 저차원(low-rank) 상호작용 고정 효과 모델(interactive fixed-effects model)을 따른다면, 체계적 변동성을 운반하는 방향에서 매칭을 수행하는 것이 기저의 요인 부하량(factor loadings)을 더 직접적으로 타겟팅할 수 있다는 것이다. 그러나 본 논문은 이 접근 방식이 특정 위험을 초 Introduces 한다고 상정한다: 즉, 가중치 미결정성(weight underdetermination)(균형 문제가 무수히 많은 해를 갖는 경우)과 기저 추정 노이즈(basis-estimation noise)(제거되지 않은 고정 효과가 스펙트럼 기저를 오염시키는 경우)이다.

방법론
저자들은 스펙트럼 절단 파라미터 $K$와 하이브리드 혼합 가중치 $\eta$로 정의되는 일련의 추정치를 제안하고 분석한다:

1. 스펙트럼 SC (Spectral SC): 대조군의 처우 전 행렬은 특이값 분해(SVD)를 통해 분해된다. 처우를 받은 단위와 대조군은 상위 $K$개의 특이 벡터($V_K$)로 투영된다. 가중치는 심플렉스 제약 조건(simplex constraints)과 릿지 페널티(ridge penalty)를 준수하면서, 처우를 받은 단위의 투영된 경로와 가중치가 적용된 대조군의 투영된 경로 사이의 제곱 거리를 최소화하도록 선택된다.
2. 하이브리드 추정량 (Hybrid Estimator): 절단의 급격함을 피하기 위해, 하이브리드 추정량은 유지된 $K$-차원 부분 공간 외부의 방향에 대해 축소되었지만 양수인 가중치 $\eta \in [0, 1]$를 할당한다.
   • $\eta = 0$: 절단된 스펙트럼 SC를 복구한다.
   • $\eta = 1$: 원시 경로 SC를 정확히 복구한다(전체 $T_0$-차원 공간에서의 매칭과 동일).
   • $\eta \in (0, 1)$: 두 방식 사이를 보간하며, 모든 방향을 제약하되 불균등한 가중치를 부여한다.
3. 하이퍼파라미터 선택: 릿지 페널티($\lambda_\omega$)와 혼합 가중치($\eta$)는 **대조군 전용 leave-one-out 플라세보 검증(leave-one-out placebo validation)**을 통해 튜닝된다. 랭크 $K$는 각 실험적 체제(experimental regime)에 대해 설계에 따라 고정되며 튜닝되지 않는다.

주요 이론적 기여
본 논문은 이 추정치들의 동작을 규정하는 세 가지 공식적 결과를 확립한다:

• 전체 랭크 등가성 (Full-Rank Equivalence): 전체 랭크($K = T_0$)에서 스펙트럼 목적 함수는 원시 경로 SC의 목적 함수와 수학적으로 동일하다. 투영은 유클리드 균형 불일치(Euclidean balancing discrepancy)를 정확하게 보존한다.
• 가중치 미결정성 (Weight Underdetermination): 본 논문은 대조군의 수 $N_0$가 $K + 1$보다 클 경우, 정확한 스펙트럼 균형(릿지 페널티 없는 경우)이 미결정 시스템임을 증명한다. 해 집합은 $N_0 - K - 1$ 차원의 아핀 부분 공간(affine subspace)을 형성한다. 결과적으로, 추정치가 선택하는 특정 가중치는 데이터 자체보다는 정규화 항(regularization term)에 크게 의존하게 된다. 왜냐하면 데이터 자체는 유지된 부분 공간에 직교하는 방향에서 유일한 해를 결정할 수 없기 때문이다.
• 편향 분해 및 경계 (Bias Decomposition and Bound): 최적 선형 예측기(Best Linear Predictor, BLP) 구성을 사용하여, 저자들은 스펙트럼 균형의 질과 처우 효과 편향 사이의 관계를 나타내는 유한 표본 경계(finite-sample bound)를 도출한다. 편향은 다음 요소들에 의존하는 것으로 나타난다:
  1. 달성된 스펙트럼 잔차(추정치에 의해 제어됨).
  2. BLP 계수 행렬의 연산자 노름($\|A_K\|_{op}$).
  3. BLP 잔차($r_i$): 이는 기저 추정 노이즈(진정한 요인 부분 공간을 추정하는 과정에서의 오류)와 누락된 요인을 포착한다. 결정적으로, SVD 이전에 고정 효과를 제거하지 않으면, 선도적 특이 벡터가 요인 구조보다는 단위 간 수준 차이에 의해 지배될 수 있으며, 이는 BLP 잔차를 팽창시켜 스펙트럼 경계를 무의미하게 만든다.

실증 결과
저자들은 스펙트럼 절단에 유리하도록 설계된 11개의 데이터 생성 체제(예: 저차원 구조, 희소한 대조군, 약한 요인)에 걸쳐 추정치를 평가하였으며, 각 체제당 400회의 반복 실험을 수행하였다.

• 원시 입력 성능 (Raw-Input Performance): 원시 처우 전 경로(고정 효과를 제거하지 않은 상태)에 적용했을 때, 절단된 스펙트럼 SC는 튜닝된 원시 경로 SC보다 일관되게 낮은 성능을 보였다. 스펙트럼 SC의 RMSE는 모든 체제에서 튜닝된 원시 경로 SC보다 유의미하게 높았다(4~11 표준 오차 차이).
• 하이브리드 추정량의 동작: $\eta$를 자유롭게 선택할 수 있는 하이브리드 추정량은 대부분의 체제에서 압도적으로 $\eta = 1$(원시 경로 매칭)을 선택했다. 이는 튜닝된 원시 경로 SC와 통계적으로 구별되지 않았다.
• 전처리 민감도 (강건성 검사): 중요한 발견이 전처리 시 발생했다. 스펙트럼 분해 전에 단위 및 시간 고정 효과를 제거(이방향 디미닝, two-way demeaning)했을 때:
  • 스펙트럼 SC와 원시 경로 SC 사이의 성능 격차가 거의 사라졌다.
  • 플라세보 튜닝 절차의 선호도가 역전되어, 대다수의 반복 실험에서 완전 절단($\eta = 0$)을 선택했다.
  • 이는 이론적 경계를 확인해 준다: 고정 효과를 제거하면 BLP 잔차가 감소하여 스펙트럼 기저가 진정한 요인 부분 공간을 더 잘 근사할 수 있게 된다.

의의 및 주장
본 논문은 스펙트럼 방법이 원시 경로 SC를 대체해야 한다고 주장하는 것이 아니다. 대신, 이 연구를 표준적인 조건에서 스펙트럼 절단이 실패하는 구체적인 메커니즘을 식별하는 **진단적 결과(diagnostic result)**로 규정한다:

1. 미결정성: 낮은 차원의 균형은 정규화가 가중치를 결정하도록 너무 많은 자유도를 남긴다.
2. 기저 오염: 원시 데이터에서는 제거되지 않은 고정 효과가 추정된 스펙트럼 기저를 왜곡하여, 편향 경계의 오차 항을 팽창시킨다.

저자들은 주요 시뮬레이션 연구에서 관찰된 부정적인 결과들이 원시 경로 입력에 특이적인 것이라고 결론짓는다. 본 논문은 고정 효과를 제거함으로써(이론적 경계의 조건을 충족함으로써) 스펙트럼 매칭이 실행 가능해질 수 있음을 입증한다. 이 연구는 스펙트럼 절단이 언제, 왜 도움이 되거나 해가 되는지를 명확히 하는 데 목적이 있으며, 새로운 보편적 추정치를 제안하는 것이 아니다.

열린 질문
논문은 다음과 같은 한계점과 향후 연구 분야를 명시적으로 언급한다:

• 모든 11개 체제에 걸친 전처리 역전(preprocessing reversal)의 강건성(기초 모델만 확인됨).
• 랭크 $K$의 원칙적인 선택(현재는 설계에 의해 고정됨).
• 추정된 기저 및 하이퍼파라미터의 불확실성을 고려한 추론 절차.
• 단계적 채택(staggered adoption) 및 다수 처우 단위로의 확장.