マッチング法
実験的手法 vs 観察データ
・実験的手法(RCTなど)
メリット
因果関係を明らかにしやすい
デメリット
サンプルサイズが十分に必要
コストが高い
・観察データから因果関係を見つける方法
→ ある介入を行ったAさんと介入を行っていないBさん(反実仮想)で比較する
Aさんの効果:Ya
Bさんの効果:Yb
介入の効果 = Ya - Yb
マッチング法
AさんBさんの効果を回帰式で表す Aさん: Ya = β0 + β1 Xa + β2 Ca + Ua Bさん: Yb = β0 + β1 Xb + β2 Cb + Ub C: 外的条件 この時、 Ca = Cb となるBさんを探すのがベスト
→ 外的条件が同じようなBさんを探す = 政策の効果だけの差を知ることができる (外的条件Cを共変量Xとして複数定めることも可能)
Bさん(外的条件が近い人)の探し方
1.完全マッチング:Cが全く同じ人 2.最近傍マッチング:Cが近い人 3.半径マッチング:ある程度の距離にいるグループの平均値をとる 4.カーネルマッチング:各個人に重みをつけて加重平均 → どれがいいのかは意見が分かれる 頑健性分析(いろいろやってよかったやつを使う)をする
なかなか同じ外的条件を持っている人は少ない
対処法
→ 傾向スコアマッチング
様々な要因から施策を受ける確率が同じグループで
施策を受ける人 vs 受けない人 で比較する
施策を受けた人を1とするダミー変数を作成する
施策を受ける確率を求める回帰式は
ダミー変数(受けた人:1)= β0 + β1 X1 + β2 X2 + U
→回帰分析の結果からβが求められる
その結果を用いて
施策を受ける確率(傾向スコア) = β0 + β1 X1 + β2 X2 + U
を求める
傾向スコアが同じ人で
政策の効果 = X(受けた人) - X(受けていない人)