非依从或非可忽略分配下异质性处理效应的识别与估计
统计方法学
2019-01-15 v2
摘要
我们给出了在非可忽略处理条件以及可获得未处理结局边际分布信息的情况下，识别异质性处理效应（定义为给定未处理结局的潜在结局差异的条件期望）的充分条件。这些函数在识别平均处理效应（ATE）和确定处理分配策略方面都很有用。该识别在应用研究中普遍存在的以下两种一般设定下成立：(i) 具有单侧非依从的随机对照试验；(ii) 具有非可忽略分配的观察性研究，且具备未处理结局边际分布或其样本矩的信息。为处理含有多重积分和缺失值的设定，我们提出了一种用于异质性处理效应和平均处理效应的（拟）贝叶斯估计方法，并通过模拟研究考察其性质。我们还将所提方法应用于国家就业培训合作法案研究获得的数据集。
引用
@article{arxiv.1808.03750,
title = {Identification and Estimation of Heterogeneous Treatment Effects under Non-compliance or Non-ignorable assignment},
author = {Keisuke Takahata and Takahiro Hoshino},
journal= {arXiv preprint arXiv:1808.03750},
year = {2019}
}
备注
The first version of the manuscript is found at \url{https://ideas.repec.org/p/keo/dpaper/2018-005.html