경향점수를 활용한 인과효과 추정 방법 비교: 대응, 가중, 층화, 이중경향점수 보정
Comparison of propensity score methods for causal inference : matching, weighting, subclassification, and double propensity score adjustment
0
조회
0
다운로드
11
인용
0
참고문헌
키워드
초록
본 연구에서는 경향점수 활용 방식으로 최근 개발된 이중경향점수 보정 방법을 소개하고, 기존의 경향점수를 활용한 대응, 가중, 층화 방법과 비교하여 어떠한 특징과 차별점이 있는지를 논의하는데 그 주요 목적을 두었다. 또한, 실증자료 분석을 바탕으로 통계적 추론을 위한 관심 모수에 따라 경향점수를 다르게 활용할 경우, 추정 가능한 인과효과 모수(ATE 또는 ATT)와 그에 따른 평균차이, 효과크기, 효과크기의 신뢰구간 등을 바탕으로 주요 결과를 논의하였다. 네 가지 경향점수 활용방법에 따른 비교·분석을 위해 경기교육종단연구(GEPS2012) 자료를 활용하여 수학 사교육 효과를 검증하였다. 분석 결과로서 대응 방법이 상대적으로 자료의 특성에 따라 활용이 제한적이며, 그에 따른 결과의 해석에서도 주의가 필요한 것으로 확인되었다. 이중경향점수 보정 방법은 교육적으로 특수한 집단을 관심 모집단으로 삼거나 처지·비교 집단이 매우 다른 분포를 보일 때 처치집단에 대한 ATT 인과효과 추정에 유용하다.
Abstract
This study aimed to introduce the double propensity score adjustment method and compare it with matching, weighting, and subclassification methods using estimated propensity scores. Based on empirical data analysis, the study emphasized the recognition of the estmand (ATT vs ATE) a researcher wants to investigate, considering the data structure, the sample sizes of the treatment and comparison groups, and the distributions of covariates between the groups to draw a valid and meaningful inference with respect to the effect of a treatment on the population of interest. To do so, we compared the results of four different propensity score utilization methods by analyzing the effects of private education on mathematic achievement with Gyeonggi educational longitudinal research data(GEPS2012). The results showed that matching was relatively limited to use when the sample size of the comparison group was not large enough or the distributions of propensity score between the treament and comparison groups were not sufficiently overlapped. On the other hand, the double propensity score adjustment method could be useful to estimate the average treatment effect for the treated when research targeted a special population and the treatment and comparison groups were different in various aspects.
참고문헌 (34)
- "경기도교육연구원 홈페이지" (2017)[URL]
- 김준엽, "Drawing Causal Inferences Using Propensity Score Methods in Educational Research", 교육평가연구, 21(3), pp.219~242 (2008), 한국교육평가학회
- Seethad Thepepomma, "인과연구에서 중첩편향을 제거하기 위한 공변량선택기준", 응용통계연구, 29(5), pp.849~858 (2016), 한국통계학회
- 민경석, "자아 존중감에 대한 경향점수를 이용한 평준화 효과 분석", 교육평가연구, 21(3), pp.1~21 (2008), 한국교육평가학회
- 경기교육종단연구 2차년도 문항개발 연구, "성기선", 경기도교육연구원, ~, pp.GEPS-6-2013(4) (2013)
- 이진실, "교육연구에서 경향점수를 활용한 순차적 처치 효과 분석", 박사, pp.2016
- 임소정, "이중 성향점수 보정 방법을 이용한 처리효과 추정치의 표준오차 추정: 붓스트랩의 적용", 응용통계연구, 30(3), pp.453~462 (2017), 한국통계학회
- 임시혁, "검증력, 효과의 크기, 신뢰구간 사용 실태 분석", 교육논총, 53(1), pp.1~13 (2016)
- 장은진, "측정된 교란요인을 고려한 성과분석 방법", pp.1~272 (2013), NECA
- 정혜경, "비실험 연구에서 인과효과 추정을 위한 방법론적 고찰", 교육학연구, 50(3), pp.29~50 (2012), 한국교육학회
- 최강식, "고용영향 분석평가 방법론 연구", 직업능력개발연구, 10(3), pp.181~202 (2007), 한국직업능력연구원[DOI]
- Abadie, A., "Bias-corrected matching estimators for average treatment effects", J Bus Econ Stat, 29, pp.1~11 (2011)
- Austin, P. C., "An introduction to propensity score methods for reducing the effects of confounding in observational studies", Multivariate behavioral research, 46(3), pp.399~424 (2011)
- Austin, P. C., "Double propensity-score adjustment : a solution to design bias or bias due to incomplete matching", Statical methods in medical research, 26(1), pp.201~222 (2017)
- Becker, S. O., "Estimation of average treatment effects based on propensity scores", The stata journal, 2(4), pp.358~377 (2002)
- Guo, S., "Propensity score analysis : Statistical methods and applications" (2010), Sage
- Hedge, L., "Statistical Methods for Meta-Analysis" (2014), Academic press
- Hirano, K., "Estimation of causal effects using propensity score weighting: An application to data on right heart catheterization", Health Services and Outcomes Research Methodology, 2(3-4), pp.259~278 (2001)
- Holland, P. W., "Statistics and causal inference", Journal of American Statistical Association, 81(396), pp.945~960 (1986)
- "Package ‘MatchIt’" (2011)[URL]
- 이동규, "Alternatives to P value: confidence interval and effect size", Korean Journal of Anesthesiology, 69(6), pp.555~562 (2016), 대한마취통증의학회
- 민경석, "Examining a causal effect of Gyeonggi innovation schools in Korea", KEDI Journal of Educational Policy, 14(2), pp.3~20 (2017), 한국교육개발원[DOI]
- Morgan, S. L., "A diagnostic routine for the detection of consequential heterogeneity of causal effects", Sociological Methodology, 38(1), pp.231~281 (2008)
- Morgan, S., "Counterfactuals and causal inference: Methods and principles for social research" (2007), Cambridge University Press
- Nagelkerke, N. J., "A note on a general definition of the coefficient of determination", Biometrika, 78(3), pp.691~692 (1991)
- Rosenbaum, P. R., "The central role of the propensity score in observational studies for causal effects", Biometrika, 70(1), pp.41~45 (1983)
- Rosenbaum, P. R., "Reducing bias in observational studies using subclassification on the propensity score", Journal of the American statistical Association, 79(387), pp.516~524 (1984)
- Rosenbaum, P. R., "Constructing a control group using multivariate matched sampling methods that incorporate the propensity score", The American Statistician, 39(1), pp.33~38 (1985)
- Rubin, D. B., "Estimating causal effects of treatments in randomized and nonrandomized studies", Journal of Educational Psychology, 66, pp.688~701 (1974)
- Rubin, D. B., "Using propensity scores to help design observational studies : application to the tobacco litigation", Health Services and Outcomes Research Methodology, 2(3), pp.169~188 (2001)
- Rubin, D. B., "Combining propensity score matching with additional adjustments for prognostic covariates", J Am Stat Assoc, 95, pp.573~585 (2000)
- Shadish, W. R., "Experimental and quasi-experimental designs for generalized causal inference" (2002), Houghton-Mifflin
- Joseph L. Schafer, "Average causal effects from nonrandomized studies: A practical guide and simulated example.", Psychological Methods, 13(4), pp.279~313 (2008), American Psychological Association (APA)[DOI]
- "Package ‘caTools’" (2013)[URL]