Finite Population Inference for Factorial Designs and Panel Experiments with Imperfect Compliance
不完全依从下析因设计与面板实验的有限总体推断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：摘要明确研究不完全依从下的实验因果效应，并以面板实验和动态处理序列为核心场景，支持因果推断与面板数据分类。
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
不完全依从下析因设计与面板实验的有限总体推断
- 研究问题
- 多个处理且存在不完全依从时，如何在有限总体框架下定义并估计析因效应、动态效应及不同处理序列的相对效果？
- 方法与思路
- 作者定义处理序列相关的有限总体因果效应，提出非参数估计器并推导样本增长时的分布，结合模拟和选民动员实验应用。
- 材料陈述的贡献
- 摘要称，框架覆盖丰富的析因与动态因果效应，并提供相应估计和渐近分布；模拟展示性质，应用重新分析电话投票鼓励。
- 阅读关注点
- 应核对分配与实际接受处理的区分、不同效应所需的依从和识别条件，以及面板处理序列中的历史依赖与推断构造。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明依从类型、识别假设、方差公式或实验效应数值。
原文摘要
This paper develops a finite population framework for analyzing causal effects in settings with imperfect compliance where multiple treatments affect the outcome of interest. Two prominent examples are factorial designs and panel experiments with imperfect compliance. I define finite population causal effects that capture the relative effectiveness of alternative treatment sequences. I provide nonparametric estimators for a rich class of factorial and dynamic causal effects and derive their finite population distributions as the sample size increases. Monte Carlo simulations illustrate the desirable properties of the estimators. Finally, I use the estimator for causal effects in factorial designs to revisit a famous voter mobilization experiment that analyzes the effects of voting encouragement through phone calls on turnout.