通过数据组合估计局部平均处理效应

当对处理分配的依从不完全时，估计局部平均处理效应（LATE）十分重要。先前提出的 LATE 估计方法要求所有相关变量在单一数据集中联合观测；然而，由于技术或隐私原因，在许多实际问题中收集此类数据有时困难甚至不可能。我们考虑一种新的问题设定：LATE 作为协变量的函数，可由分别观测的数据集组合非参数识别。对于估计，我们证明最初为完全依从下估计平均处理效应而开发的直接最小二乘法适用于我们的设定。然而，直接最小二乘估计器的模型选择与超参数调优在实践中可能不稳定，因为它被定义为极小极大问题的解。我们随后提出一个加权最小二乘估计器，通过避免极小极大目标形式化，实现更简单的模型选择。与逆概率加权（IPW）估计器不同，所提估计器直接使用预先估计的权重而无需求逆，避免了 IPW 方法导致的问题。我们通过合成与真实世界数据集上的实验证明了方法的有效性。