경향점수 추정 모형에 따른 매칭 및 인과효과 검정 결과 비교

• 영문명: A Comparison of the Models in Estimating Propensity Scores and the Results of Matching and of Causal Inference
• 발행기관: 한국교육평가학회
• 저자명: 송승원(Seungwon Song) 강상진(Sang-Jin Kang) 이규민(Guemin Lee)
• 간행물 정보: 『교육평가연구』제28권 제3호, 701~730쪽, 전체 30쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2015.09.30

국문 초록

이 연구는 경향점수의 추정과 인과효과 검정에서 분석 자료의 다층구조가 미치는 영향을 밝히고자 하였다. 동일한 모집단에서 반복 표집하여 생성한 모의표본 자료를 분석하는 실험을 통하여, 다층구조를 무시한 로지스틱 모형과 다층구조를 반영하는 로지스틱 다층모형으로 각각 추정한 경향점수에 어떠한 차이가 있는지 밝히고, 추정된 경향점수를 바탕으로 진행되는 경향점수매칭 및 인과효과 검정결과에서 어떠한 차이가 있는지 알아보았다. 연구 결과, 로지스틱 다층모형으로 추정된 경향점수가 로지스틱 모형으로 추정된 경향점수보다 더 큰 변산을 갖는 것으로 나타났으나, 해당 경향점수를 기준으로 매칭된 처치집단과 통제집단의 사례 수는 로지스틱 모형의 경우보다 더 작았다. 매칭 후 경향점수, 학교 및 학생수준 공변수의 처치집단과 통제집단 동등성 정도는 학생수준 공변수의 경우 로지스틱 모형이, 학교수준 공변수의 경우 로지스틱 다층모형이 두 집단의 분포를 보다 유사하게 만드는 효과가 있었다. 마지막으로 실시한 인과효과 검정 결과, 로지스틱 다층모형의 경우 대다수의 데이터 세트에서 처치효과가 없었다고 분석된 반면, 로지스틱 모형의 경우 100개의 데이터 세트 모두 처치효과가 있다고 분석되었다. 따라서 인과효과를 분석하고자 하는 비실험연구의 데이터가 위계적 구조의 자료인 경우, 두 모형은 전혀다른 결론에 도달한다는 증거가 발견되었다. 이 연구의 결과에서는 로지스틱 모형과 다층로지스틱 모형의 선택은 분명하지 않으며, 두 모형에 의한 교차타당화 작업이 요청된다. 또한 경향점수 추정에서 모형의 적절성을 평가할 수 있는 모의실험이 필요하다.

영문 초록

This study examined the effect of multilevel structure of data on the estimation of propensity score and causal inference. By analyzing multilevel data sets repeatedly sampled 100 times from the statistically recovered population data, we investigated the differences of matching and those of causal inference when the logistic multilevel- and regression model were applied in estimating the propensity score. The results indicated that the distributions of propensity scores, and the number of matched data sets all differ when the propensity scores were estimated by the two models. In the case of matching students level covariates, logistic regression model performed better than logistic multilevel model in matching the covariate distributions between treatment and control groups. However, in case of school level covariates, we found the opposite results, in which multilevel model performed better. The results also showed two models influenced differently on the causal inference. Therefore this study reports that two models lead to different conclusion in causal inference via propensity score matching under the circumstance when the data are hierarchical. We suggest that cross validation is needed when causal inference is made based on propensity score matching in the analysis of multilevel data. Also, it is necessary to conduct a simulation study in order to evaluate the adequacy of a model to estimate the propensity score.

목차

Ⅰ. 서 론

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

Ⅳ. 연구 결과

Ⅴ. 결론 및 제언

키워드

인과효과 추정 경향점수 매칭 로지스틱 모형 다층로지스틱 모형 비실험연구 causal inference propensity score matching logistic regression model logistic multilevel model