基于工具变量识别异质性处理效应
统计方法学
2021-01-20 v2 应用统计
机器学习
摘要
在随机与观察性研究中，估计因果效应的异质性正受到越来越多的关注。然而，鲜有研究致力于理解工具变量研究中的异质性。在这项工作中，我们提出一种使用工具变量方法估计异质性因果效应的方法。该方法包含两部分：第一部分利用主题知识与可解释机器学习技术（如分类与回归树）来发现潜在效应修饰因子；第二部分利用封闭检验（closed testing）检验效应修饰因子的统计显著性，同时强控制族wise错误率。我们将该方法应用于俄勒冈健康保险实验，估计医疗补助（Medicaid）对个人健康未妨碍其日常活动天数的影响，并发现偏好英语且不自我认同为亚裔的老年男性，以及至多具有高中文凭或 GED 且偏好英语的年轻个体中存在异质性证据。
引用
@article{arxiv.1908.03652,
title = {Detecting Heterogeneous Treatment Effect with Instrumental Variables},
author = {Michael Johnson and Jiongyi Cao and Hyunseung Kang},
journal= {arXiv preprint arXiv:1908.03652},
year = {2021}
}