Large Sample Properties of Matching Estimators for Average Treatment Effects

研究问题: 匹配估计量广泛用于处理效应评估，但其大样本性质在多数情形下尚未建立。本文聚焦固定匹配数的有放回匹配，考察其是否具有 $N^{1/2}$ 相合性、能否达到半参数效率界，以及如何估计大样本方差。
方法与思路: 固定匹配数的匹配估计量是数据的高度非光滑泛函，标准渐近展开不适用。作者发展新的分析工具，先刻画 $N^{1/2}$ 相合成立的条件，再比较其渐近方差与半参数效率界，并构造不依赖未知函数相合非参数估计的方差估计量。
摘要陈述的贡献: 摘要明确给出三项结果：匹配估计量一般不是 $N^{1/2}$ 相合的，并给出其达到 $N^{1/2}$ 相合的条件；即使相合，固定匹配数的简单匹配估计量也达不到半参数效率界；同时提供一致的大样本方差估计量，且无需对未知函数做相合非参数估计，并附 Matlab、Stata、R 软件。
预备知识: 建议先掌握潜在结果框架、平均处理效应、可忽略性/无混淆假设、有放回匹配与固定匹配数含义、相合性与渐近正态性、半参数效率界、影响函数与 U 统计量直觉，以及非光滑泛函为何使标准 delta 方法或泰勒展开失效。
阅读重点: 重点核对：$N^{1/2}$ 相合所需条件的具体形式与可检验性；匹配数固定与随样本增长两种设定下结论差异；效率界比较中估计量渐近方差的来源；方差估计量的一致性证明依赖哪些正则条件；软件实现默认参数与理论假设是否一致。
阅读边界: 基于原文摘要，未阅读全文。摘要只陈述结论方向，未给出识别条件、定理编号、具体数据或数值结果；上述预备知识与阅读建议属一般计量背景，不代表原文细节。

DeepSeek Flash · 2026-09-30 · 摘要解读

原文摘要

Matching estimators for average treatment effects are widely used in evaluation research despite the fact that their large sample properties have not been established in many cases. The absence of formal results in this area may be partly due to the fact that standard asymptotic expansions do not apply to matching estimators with a fixed number of matches because such estimators are highly nonsmooth functionals of the data. In this article we develop new methods for analyzing the large sample properties of matching estimators and establish a number of new results. We focus on matching with replacement with a fixed number of matches. First, we show that matching estimators are not N1/2-consistent in general and describe conditions under which matching estimators do attain N1/2-consistency. Second, we show that even in settings where matching estimators are N1/2-consistent, simple matching estimators with a fixed number of matches do not attain the semiparametric efficiency bound. Third, we provide a consistent estimator for the large sample variance that does not require consistent nonparametric estimation of unknown functions. Software for implementing these methods is available in Matlab, Stata, and R.

摘要来源：OpenAlex

正在读取解读与摘要…

笔记与分组

查找这个方法的新论文 →

匹配估计量平均处理效应的大样本性质

研究问题

匹配估计量广泛用于处理效应评估，但其大样本性质在多数情形下尚未建立。本文聚焦固定匹配数的有放回匹配，考察其是否具有

N^{1/2}

相合性、能否达到半参数效率界，以及如何估计大样本方差。

方法与思路

固定匹配数的匹配估计量是数据的高度非光滑泛函，标准渐近展开不适用。作者发展新的分析工具，先刻画

N^{1/2}

相合成立的条件，再比较其渐近方差与半参数效率界，并构造不依赖未知函数相合非参数估计的方差估计量。

摘要陈述的贡献

摘要明确给出三项结果：匹配估计量一般不是

N^{1/2}

相合的，并给出其达到

N^{1/2}

相合的条件；即使相合，固定匹配数的简单匹配估计量也达不到半参数效率界；同时提供一致的大样本方差估计量，且无需对未知函数做相合非参数估计，并附 Matlab、Stata、R 软件。

预备知识

建议先掌握潜在结果框架、平均处理效应、可忽略性/无混淆假设、有放回匹配与固定匹配数含义、相合性与渐近正态性、半参数效率界、影响函数与 U 统计量直觉，以及非光滑泛函为何使标准 delta 方法或泰勒展开失效。

阅读重点

重点核对：

N^{1/2}

相合所需条件的具体形式与可检验性；匹配数固定与随样本增长两种设定下结论差异；效率界比较中估计量渐近方差的来源；方差估计量的一致性证明依赖哪些正则条件；软件实现默认参数与理论假设是否一致。重点核对：$N^{1/2}$ 相合所需条件的具体形式与可检验性；匹配数固定与随样本增长两种设定下结论差异；效率界比较中估计量渐近方差的来源；方差估计量的一致性证明依赖哪些正则条件；软件实现默认参数与理论假设是否一致。

阅读边界

基于原文摘要，未阅读全文。摘要只陈述结论方向，未给出识别条件、定理编号、具体数据或数值结果；上述预备知识与阅读建议属一般计量背景，不代表原文细节。

DeepSeek Flash · 2026-09-30 · 摘要解读

原文摘要

摘要来源：OpenAlex