Identification and estimation of spillover effects in randomized experiments
随机实验中溢出效应的识别与估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究随机实验的直接处理效应及组内他人处理带来的溢出，直接对应因果推断与网络干扰问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
随机实验中溢出效应的识别与估计
- 研究问题
- 随机实验中，个体结果可能受组内他人处理状态影响时，常用均值比较与线性均值互动回归识别什么，如何分别估计直接和溢出效应？
- 方法与思路
- 作者分析常用估计量混合效应及负权重的问题，提出平均直接效应和溢出效应的非参数估计，并研究其一致性与渐近正态性。
- 材料陈述的贡献
- 摘要称，常用方法可能掩盖非线性溢出；现金转移项目中，常用估计接近零且不显著，所提估计则揭示较大且显著的溢出。
- 阅读关注点
- 应核对组内干扰如何表述、处理分配机制与效应参数数量的关系，以及非参数效应与常用回归系数为何可能不同。
- 阅读边界
- 仅据所给出版社摘要，不能确认具体识别条件、样本规模关系或效应数值；单一项目结果不足以推广到其他实验。
原文摘要
I study identification, estimation and inference for spillover effects in experiments where units’ outcomes may depend on the treatment assignments of other units within a group. I show that the commonly-used reduced-form linear-in-means regression identifies a weighted sum of spillover effects with some negative weights, and that the difference in means between treated and controls identifies a combination of direct and spillover effects entering with different signs. I propose nonparametric estimators for average direct and spillover effects that overcome these issues and are consistent and asymptotically normal under a precise relationship between the number of parameters of interest, the total sample size and the treatment assignment mechanism. These findings are illustrated using data from a conditional cash transfer program and with simulations. The empirical results reveal the potential pitfalls of failing to flexibly account for spillover effects in policy evaluation: the estimated difference in means and the reduced-form linear-in-means coefficients are all close to zero and statistically insignificant, whereas the nonparametric estimators I propose reveal large, nonlinear and significant spillover effects.