聚类数较少时关于处理效应的安慰剂推断
统计方法学
2019-04-26 v1
摘要
我引入一个通用的、Fisher 式的随机化检验框架，以在存在极少且大型的聚类、且处理效应在聚类间识别时，对二元处理无效应进行近乎精确的推断。所提出的随机化检验形式化并扩展了通过向未处理聚类分配安慰剂处理来生成零分布的直观概念。我证明在简单且易验证的条件下，安慰剂检验在非常广泛的一类经验相关模型中导致渐近有效的推断。明确讨论的例子有：(i) 含聚类层面处理的 least squares 回归，(ii) 双重差分估计，以及 (iii) 含聚类层面处理的二元选择模型。给出了模拟研究与一个经验示例。所提出的推断过程易于实现，并且在仅有三个处理聚类与三个未处理聚类时表现良好。
引用
@article{arxiv.1803.02764,
title = {Placebo inference on treatment effects when the number of clusters is small},
author = {Andreas Hagemann},
journal= {arXiv preprint arXiv:1803.02764},
year = {2019}
}
备注
37 pages, 3 figures, 1 table