具有匹配对与不完全依从性的实验中的推断

本文研究了在具有不完全依从性的随机对照试验中，当处理状态根据“匹配对”确定时，局部平均处理效应的推断。所谓“匹配对”，是指单位从感兴趣的总体中独立同分布地抽样，根据观测到的基线协变量进行配对，最后在每对中随机选择其中一个单位接受处理。在控制配对质量的弱假设下，我们首先推导了通常的 Wald（即两阶段最小二乘）局部平均处理效应估计量的极限分布。我们进一步表明，Wald 估计量极限方差的常规异方差稳健估计量通常是保守的，因为其概率极限（通常严格）大于极限方差。因此我们提供了一种一致的极限方差替代估计量。最后，我们考虑使用未用于单位配对的额外观测基线协变量，以提高估计局部平均处理效应的精度。为此，我们推导了包含额外协变量以及配对固定效应的局部平均处理效应两阶段最小二乘估计量的极限行为，并证明其极限方差总是小于或等于 Wald 估计量的极限方差。为完成分析，我们提供了该极限方差的一致估计量。一项模拟研究证实了我们的理论结果的实用相关性。最后，我们应用我们的结果重新审视了一项研究埃及宏观保险对微型企业影响的重要实验。