基于设计的RCT估计量与基线子组及相关分析的中央极限定理
统计方法学
2023-10-16 v1
摘要
关于基于设计的方法估计随机对照试验(RCTs)全样本分析的平均处理效应(ATEs)的文献日益增长。本文将这些方法扩展至估计由预处理变量定义的离散子组的ATEs,并应用于纽约市一项检验学校 voucher 实验子组效应的RCT。我们考虑使用回归方法的子组效应比率估计量,允许引入模型协变量以提升精度,并证明了有限总体中央极限定理。我们讨论了向分块与聚类RCT设计,以及其他具有随机处理-对照样本量(或权重)的常见估计量的扩展:后分层估计量、调整数据无应答的加权估计量,以及伯努利试验的估计量。我们还开发了具有稳健估计量特征的简单方差估计量。模拟显示,即便对于小子组,基于设计的子组估计量产生的置信区间覆盖度也接近名义水平。
引用
@article{arxiv.2310.08726,
title = {Design-Based RCT Estimators and Central Limit Theorems for Baseline Subgroup and Related Analyses},
author = {Peter Z. Schochet},
journal= {arXiv preprint arXiv:2310.08726},
year = {2023}
}