异质加性处理效应模型下平均处理效应的估计与推断
统计方法学
2024-09-02 v1
摘要
随机化实验是估计处理效应的金标准，然而网络干扰通过违背稳定个体处理值假设并引入偏差，挑战了传统估计量的有效性。虽然整群随机化实验可以减轻这种偏差，但在处理网络复杂性方面存在局限性，且无法区分直接和间接效应。为了应对这些挑战，我们针对 Bernoulli 试验下直接、间接和全局平均处理效应的现有 Horvitz-Thompson 估计量，发展了基于设计的渐近理论。我们假设具有驱动干扰的隐藏网络的异质加性处理效应模型。观察到这些估计量在稠密网络中是不一致的，我们引入了新颖的基于特征向量的回归调整估计量以确保一致性。我们在基于设计的推断框架下建立了所提估计量的渐近正态性，并提供了保守的方差估计量，提供了独立于网络和模型参数的潜在随机过程的稳健结论。我们方法在多种干扰结构中的适应性得到了展示，包括部分干扰和双边市场中的局部干扰。数值研究进一步说明了所提估计量的有效性，为处理网络干扰提供了实用见解。
引用
@article{arxiv.2408.17205,
title = {Estimation and inference of average treatment effects under heterogeneous additive treatment effect model},
author = {Xin Lu and Hongzi Li and Hanzhong Liu},
journal= {arXiv preprint arXiv:2408.17205},
year = {2024}
}