潜在结果实验的因果推断：关键结果及其对设计与分析的影响
计量经济学
2026-01-13 v3 应用统计
统计方法学
摘要
研究人员应如何分析主要结果为潜在变量、且以多种方式测量但每种测量均包含一定程度误差的随机实验？我们首先指出了现有处理多重测量方法中存在的一个关键的研究特定不可比性问题，这些方法通常依赖强建模假设或任意的标准化。此类方法导致所得的估计量在不同研究间无法比较。为解决该问题，我们描述了基于设计的方法，使研究人员能够识别感兴趣的因果参数，提出了增强实验设计以使假设更具可信度的途径，并讨论了关键假设的实证检验。我们表明，当实验研究者在多种结果测量上进行适当投入时，这些测量的一个最优加权缩放指数使研究人员能够通过应用标准回归获得高效且可解释的因果参数估计。一项实证应用说明了多种结果测量在精度和稳健性上带来的提升。
引用
@article{arxiv.2505.21909,
title = {Causal Inference for Experiments with Latent Outcomes: Key Results and Their Implications for Design and Analysis},
author = {Jiawei Fu and Donald P. Green},
journal= {arXiv preprint arXiv:2505.21909},
year = {2026}
}