2011年-世界发展银行全球_On_the_Implications_of_Essential_Heterogeneity_for_Estimating_Causal_Impacts_Using_Social_Experiments_13页_800kb

文档总结：Essential Heterogeneity 对社会实验中因果影响估计的影响

核心内容

本文探讨了在社会实验中，本质异质性（essential heterogeneity）对因果影响估计的影响。作者 Martin Ravallion 分析了使用随机化分配作为工具变量（IV）来估计平均因果效应的方法是否有效，特别是在存在本质异质性的情况下。他指出，虽然 IV 方法通常被认为可以减少选择性参与带来的偏差，但在某些情况下，普通最小二乘法（OLS） 可能同样有效，甚至更优。

主要观点

1. 本质异质性是指个体对政策的潜在收益不同，这种差异可能影响他们是否选择参与实验。
2. 在这种情况下，IV 估计器无法准确估计平均因果效应，因为它未能满足排除性限制（exclusion restriction）。
3. OLS 估计器在某些情况下也能提供准确的平均因果效应，特别是在本质异质性仅影响参与决策时。
4. 如果本质异质性同时影响反事实结果（counterfactual outcomes），那么 IV 估计器可能比 OLS 更偏倚。
5. 作者通过三种典型政策案例，说明了不同情境下 IV 和 OLS 的表现差异：
   • Regime 1（γ > 0）：训练计划，参与者根据潜在能力（latent ability）选择参与，IV 可以减少 OLS 偏倚。
   • Regime 2（-1 ≤ γ < 0）：公共保险计划，参与者根据风险偏好（χ）选择参与，OLS 在低参与率下比 IV 更少偏倚。
   • Regime 3（γ < -1）：微型信贷计划，参与者根据其他信贷渠道的可及性（χ）选择参与，OLS 低估平均因果效应，而 IV 高估。

关键信息

• IV 方法：通常用于处理选择性参与带来的内生性问题，但在存在本质异质性时，它无法准确估计平均因果效应。
• OLS 方法：在某些情况下可以提供与 IV 相同的平均因果效应估计，尤其是当本质异质性仅影响参与决策时。
• 反事实结果：如果本质异质性影响反事实结果，那么 IV 估计器可能比 OLS 更偏倚。
• 政策设计：研究者需要在设计实验时考虑参与者的潜在行为反应，以判断哪种估计方法更合适。
• 结论：在某些情况下，使用 IV 估计器可能并不能减少 OLS 的偏差，甚至可能使偏差更严重。因此，分析者应谨慎评估本质异质性对估计结果的影响。

估计器比较

估计器	平均因果效应估计	偏倚来源
IV 估计器	仅估计受试者群体的平均影响	排除性限制的失效
OLS 估计器	可能估计受试者群体的平均影响	治疗的内生性

行为假设的重要性

• 作者强调，选择性参与的行为假设对估计方法的选择至关重要。
• 如果政策的潜在收益与反事实结果同向变化，则 IV 估计器可能有效减少 OLS 偏倚。
• 如果潜在收益与反事实结果反向变化，则 IV 估计器可能使偏差更严重。

实验设计建议

• 在存在本质异质性的情况下，无需知道随机化分配（Z）即可估计受试者群体的平均因果效应。
• 实验设计者应考虑参与者的潜在特征（如能力、风险偏好、信贷可及性）如何影响他们的参与决策和反事实结果。
• 在某些情况下，结合 IV 和 OLS 估计结果可以减少偏倚。

结论

本质异质性是一个普遍存在的问题，它对因果影响估计的影响取决于具体政策的性质和参与者的反应。在某些情况下，使用 IV 估计器并不能减少偏倚，甚至可能使偏差更严重。因此，研究者在进行社会实验时，需要仔细分析政策的潜在影响机制，并根据行为假设选择合适的估计方法。