在回归断点设计中选取用于因果推断的子总体
统计方法学
2024-09-20 v3
摘要
巴西家庭补助金（BF）计划是一项有条件现金转移计划，旨在通过直接现金转移缓解短期贫困，并通过提升贫困巴西人的人力资本来消除长期贫困。BF 收益的资格取决于一个截断规则，这使得 BF 研究被归类为回归断点（RD）设计。从 RD 研究中提取因果信息颇具挑战。遵循 Li 等人（2015）与 Branson 和 Mealli（2019），我们正式将 BF RD 设计描述为潜在结果框架下的局部随机化实验。在此框架下，因果效应可在满足局部重叠假设、局部 SUTVA 与局部可忽略假设的子总体上被识别与估计。我们首先讨论该框架相对于基于连续性假设的局部回归方法的潜在优势，涉及因果估计量的定义、研究的设计与分析，以及结果的解释与可推广性。该局部随机化方法的一个关键问题是如何选择可进行有效因果推断的子总体。我们提出一种基于贝叶斯模型的有限混合聚类方法，将观测分类至 RD 假设成立与不成立的子总体。该方法具有重要优势：a) 可考虑子总体归属的不确定性，而这通常被忽视；b) 不对子总体形状施加任何约束；c) 可扩展至高维设定；e) 可针对平均处理效应（ATE）之外的其他因果估计量；f) 对运行变量的一定程度操纵/选择具有稳健性。我们应用所提方法评估 BF 计划对 2009 年麻风病发病率的因果效应。
引用
@article{arxiv.2211.09099,
title = {Selecting Subpopulations for Causal Inference in Regression Discontinuity Designs},
author = {Laura Forastiere and Alessandra Mattei and Julia M. Pescarini and Mauricio L. Barreto and Fabrizia Mealli},
journal= {arXiv preprint arXiv:2211.09099},
year = {2024}
}