A Bracketing Relationship for Long-Term Policy Evaluation with Combined Experimental and Observational Data
结合实验与观察数据进行长期政策评估的夹逼关系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：摘要研究实验与观察数据结合下的长期因果效应识别、界限及敏感性。
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
结合实验与观察数据进行长期政策评估的夹逼关系
- 研究问题
- 结合短期实验与观察数据评估长期政策效果时，如何降低选错潜在无混杂或等混杂偏差假设所带来的估计风险？
- 方法与思路
- 作者比较潜在无混杂与等混杂偏差两套目标量，提出夹逼关系，并通过教育政策的实验留出比较、选择机制分析和敏感性分析解释结果。
- 材料陈述的贡献
- 摘要称任一假设成立时，前者与后者目标量分别构成真实效应的下界和上界；教育应用中前者下界接近留出的实验估计。
- 阅读关注点
- 应核对夹逼结论的完整条件和方向，以及测试分数潜在结果的次鞅性质、充分统计量作用及跨数据来源可比性如何进入论证。
- 阅读边界
- 这是预印本，同行评审及期刊接收未获核验。摘要未展开夹逼关系的完整条件和证明，教育应用中的接近程度也未量化。
原文摘要
Combining short-term experimental data with observational data enables credible long-term policy evaluation. The literature offers two key but non-nested assumptions, namely the latent unconfoundedness (LU; Athey et al., 2020) and equi-confounding bias (ECB; Ghassami et al., 2022) conditions, to correct observational selection. Committing to the wrong assumption leads to biased estimation. To mitigate such risks, we provide a novel bracketing relationship (cf. Angrist and Pischke, 2009) repurposed for the setting with data combination: the LU-based estimand and the ECB-based estimand serve as the lower and upper bounds, respectively, with the true causal effect lying in between if either assumption holds. For researchers further seeking point estimates, our Lalonde-style exercise suggests the conservatively more robust LU-based lower bounds align closely with the hold-out experimental estimates for educational policy evaluation. We investigate the economic substantives of these findings through the lens of a nonparametric class of selection mechanisms and sensitivity analysis. We uncover as key the sub-martingale property and sufficient-statistics role (Chetty, 2009) of the potential outcomes of student test scores (Chetty et al., 2011, 2014).