广义全匹配及一项大规模选民动员实验结果的外推
统计方法学
2019-06-18 v2
摘要
匹配是因果推断中的一个重要工具。该方法提供了一种概念上直接的方式来使各组单元在观测到的特征上具有可比性。然而，该方法的使用仅限于研究设计相对简单且样本量适中的情况。我们通过重新审视一项在密歇根州为2006年选举进行的大规模选民动员实验来说明这一问题。我们询问，如果实验中的处理被推广到整个总体，因果效应会是什么。匹配可以帮助我们回答这个问题，但现有的匹配方法无法容纳该研究中涉及的六个处理组和6,762,701个观测值。为了给这一及类似的实证问题提供解决方案，我们引入了全匹配方法的一种推广及一个相关算法。该方法可用于任意数量的处理条件，并且被证明能产生近乎最优的匹配。最坏情况下的最大组内不相似性不超过最优解的四倍，且模拟结果表明其平均性能远更接近最优解。尽管性能出色，该算法速度快且占用内存少。它平均在线性对数时间内使用线性空间终止。这使得研究者即使在涉及数百万单位样本的复杂研究中，也能在几分钟内构建出性能良好的匹配。
引用
@article{arxiv.1703.03882,
title = {Generalized full matching and extrapolation of the results from a large-scale voter mobilization experiment},
author = {Fredrik Sävje and Michael J. Higgins and Jasjeet S. Sekhon},
journal= {arXiv preprint arXiv:1703.03882},
year = {2019}
}