结合实验与观测数据对分布处理效应参数的识别效力
计量经济学
2026-04-24 v6
摘要
本研究探讨了将处理随机分配的实验数据与处理自选择的观测数据相结合，对于分布处理效应（DTE）参数所获得的识别效力。虽然实验数据可以识别平均处理效应，但许多 DTE 参数，例如个体处理效应的分布，只能被部分识别。我们研究了结合这两种数据源是否以及如何收紧此类参数的识别集。对于广泛的 DTE 参数类别，我们在合并数据下推导出非参数精确界，并阐明了数据结合相对于仅使用实验数据改善识别的机制。我们的分析强调，观测数据中的自选择是识别效力的一个关键来源。我们建立了合并数据严格缩小识别集的充要条件，并表明除非可观测变量选择假设在观测数据中成立，否则这种增益通常会出现。我们还提出了一种线性规划方法来计算精确界，该方法可以纳入额外的结构性限制，例如潜在结果之间的正依赖性和广义 Roy 选择模型。一项使用 2008 年美国总统大选中负面竞选广告数据的实证应用，说明了所提出方法的实际相关性。
引用
@article{arxiv.2508.12206,
title = {The Identification Power of Combining Experimental and Observational Data for Distributional Treatment Effect Parameters},
author = {Shosei Sakaguchi},
journal= {arXiv preprint arXiv:2508.12206},
year = {2026}
}