完全随机设计与计算机辅助平衡改进设计下实验中样本依从者平均因果效应的推断

不依从在现实世界实验中十分常见。我们关注样本依从者平均因果效应（即依从者的平均处理效应）的推断。我们提出了针对样本依从者平均因果效应的三类推断策略：Wald 估计量、回归调整估计量与基于模型的贝叶斯推断。由于现代计算机辅助实验设计已被用于改善相对于完全随机化的协变量平衡，我们讨论了在完全随机化与一种特定的计算机辅助实验设计——基于马氏距离的重随机化——下的推断，在此设计下可推导 Wald 估计量与回归调整估计量的渐近性质。我们使用蒙特卡洛模拟比较了两种方法在两种实验设计下的有限样本表现。我们发现，在任一设计下，贝叶斯方法表现最佳，因其稳定、产生最小中位绝对误差与最小中位区间长度。当依从者比例较小时，贝叶斯方法的改进尤为显著。我们给出了一个带有不依从的就业培训实验的应用。