因果推断导论笔记-Lecture12-Randomized Experiments with Noncompliance-Instrumental Variable Method

工具变量的方法。

简介

不依从现象,明明让他吃药,因为某些原因没有吃药

鼓励性设计:告诉他分配了Z;双盲实验:医生不知道病人的情况且病人也不知道是否分配药物

3 naive solutions

D(0)表示D(Z=0)

这种方法只能得到意向吃药的效果,而不是真正吃药D的效果

都无法消除不依从性。

Instrumental Variable工具变量法

得到的结果和Way1是相同的

两阶段估计

假设是比较强的,能不能放宽?

回到Rubin框架

增加一个假设,双盲实验保证了Z不会直接影响Y

个体自带的属性:依从者、叛逆者、吃药者、不吃药者

在具体的例子中,因为让他不吃药,他不可能吃药,所以少了两种人。One-sided Noncompliance

因此观测到的就只有三种了:

能估计下面这两种因果作用(ITT代表意愿上的1):

在单边不依从的假设下,可以求出依从者的因果作用

估计可以用Neyman方法估计。

因为Z=0,W一定为0

双边不依从的情况:

;

所以需要新增单调性假设:不存在叛逆者Wi(1)Wi(0)W_i(1)≥W_i(0)

总结

第二个限制使得always-takers和never-takers可以忽略;第三个限制是因为做除法在分母

以上是工具变量的严格定义。

和经济学IV的区别

假设变松,估计的是依从者的因果作用。

Per protocol analysis为什么不行?

Z=0的情况是Never taker和Complier,Z=1的情况是Always taker和Complier。所以这个差是混合的因果作用,没有实际意义。


因果推断导论笔记-Lecture12-Randomized Experiments with Noncompliance-Instrumental Variable Method
https://bebr2.com/2022/12/12/因果推断导论笔记-Lecture12-Randomized Experiments with Noncompliance-Instrumental Variable Method/
作者
BeBr2
发布于
2022年12月12日
许可协议