A Two-stage Inference Procedure for Sample Local Average Treatment Effects in Randomized Experiments
随机实验中样本局部平均处理效应的两阶段推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究随机实验、不遵从及样本局部平均处理效应的推断，属于因果推断。
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…
随机实验中样本局部平均处理效应的两阶段推断
- 研究问题
- 随机实验存在不遵从且志愿参与者未必代表目标总体时，如何针对实验样本的局部平均处理效应构造可靠的置信集合？
- 方法与思路
- 作者先检验工具变量强弱，再据此选择不同置信集合；理论覆盖有无回归调整，以及完全随机化和基于马氏距离的再随机化。
- 材料陈述的贡献
- 摘要称两阶段程序具有渐近正确的覆盖率，并以广泛蒙特卡洛模拟研究有限样本表现，再应用于选民鼓励实验数据。
- 阅读关注点
- 应核对样本效应与总体效应的区别、第一阶段检验如何影响最终覆盖率，以及弱工具下置信集合和再随机化推断的构造。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未给出检验阈值、具体正则条件或有限样本覆盖结果。
原文摘要
In a given randomized experiment, individuals are often volunteers and can differ in important ways from a population of interest. It is thus of interest to focus on the sample at hand. This paper focuses on inference about the sample local average treatment effect (LATE) in randomized experiments with non-compliance. We present a two-stage procedure that provides asymptotically correct coverage rate of the sample LATE in randomized experiments. The procedure uses a first-stage test to decide whether the instrument is strong or weak, and uses different confidence sets depending on the first-stage result. Proofs of the procedure is developed for the situation with and without regression adjustment and for two experimental designs (complete randomization and Mahalaonobis distance based rerandomization). Finite sample performance of the methods are studied using extensive Monte Carlo simulations and the methods are applied to data from a voter encouragement experiment.