Appearance
Estimating the local average treatment effect without the exclusion restriction
Summary
Problem: 在随机实验中，非依从（non-compliance）问题普遍存在。现有估计LATE的两类主流方法——工具变量法（IV）和主分法（principal score methods）——分别依赖排除性限制与单调性假设，以及主可忽略性假设。这些假设在许多实际应用场景中难以成立，导致研究者无法可靠地估计依从者子群的治疗效应。 Approach: 本文提出并形式化了一种新的估计量——依从概率加权（Compliance Probability Weighting, CPW）估计量。该估计量分两步：首先估计每个单元为依从者的条件概率，然后利用该概率对处理组与对照组之间的均值差进行加权。作者通过理论推导（引理与命题）证明，在温和假设下，该估计量渐近收敛于一个不大于LATE的值，从而实现保守推断。 Finding: 在SUTVA、随机抽样、正定性、随机分配以及两个额外假设（依从概率估计量的一致性、依从者平均处理效应不小于全样本）下，CPW估计量渐近保守于LATE。若进一步假设各协变量层内处理效应符号一致且依从者效应幅度更大，则可得到关于效应绝对值的保守性结论。作者将该估计量应用于Kalla和Broockman（2022）的政治广告实验，发现虽然全样本无说服效应，但在密切关注广告的依从者子群中存在态度效应。 Significance: 该研究为存在非依从问题的实验分析提供了一种不依赖排除性限制和单调性的新工具，拓展了主分法的适用范围，使研究者能够在更现实的假设条件下对依从者效应进行推断，具有重要的方法论意义。
Theoretical Framework
- Theoretical tradition: 因果推断（causal inference）方法论传统，具体属于潜在结果框架（potential outcomes framework）下的主分法（principal stratification）研究脉络。
- Prior theories built upon: 本文建立在以下理论与模型之上：Angrist, Imbens和Rubin（1996）提出的工具变量LATE框架；Ding和Lu（2017）、Feller, Mealli和Miratrix（2017）、Hill, Waldfogel和Brooks-Gunn（2002）、Jo和Stuart（2009）等发展的主分法；Hernán和Robins（2017）及Robins和Finkelstein（2000）提出的加权按方案分析（weighted per-protocol analysis）；Nie和Wager（2021）的异质性处理效应估计器；Aronow和Carnegie（2013）的双侧非依从估计方法。
- Causal mechanism: 核心机制是：通过依从概率加权，一方面调整依从者与非依从者之间在观测协变量上的不平衡，另一方面对依从者比例更高的协变量层赋予更大权重，从而缩小ITT估计量与LATE之间的差距。由于依从者实际接受治疗，其处理效应通常大于全样本平均效应，因此加权后的估计量渐近地不高于LATE。
- Key assumptions: 除标准假设（SUTVA、随机抽样、正定性、随机分配）外，CPW估计量需要两个额外假设：（1）研究者指定的依从概率估计量一致收敛于真实条件概率，且各协变量层内依从概率大于零（Assumption 7）；（2）依从者的平均处理效应不小于全样本平均处理效应（Assumption 8），或更强的版本要求各层内效应符号一致且依从者效应幅度更大（Assumption 9）。
- Theoretical move: 本文扩展了主分法的理论边界。此前主分法依赖主可忽略性假设才能点识别LATE，本文证明在放弃该假设后，CPW估计量仍能提供渐近保守推断，从而将主分法的适用条件显著放宽。
- Scope conditions: 该方法适用于存在非依从的随机实验，尤其适用于排除性限制不成立的情形，如依从性测量存在误差、非依从者接受了较弱剂量的治疗等。方法要求能够观测到治疗接受情况，且依从概率可被一致估计。对于协变量维度较高的情况，作者建议使用LASSO类方法。
Research Design
本文为理论方法论文，主要采用数学推导与证明的方式提出并验证新估计量。研究设计包括：（1）形式化定义CPW估计量及其假设条件；（2）通过引理和命题证明其渐近保守性；（3）通过模拟研究比较ITT、IV和CPW三种估计量的表现；（4）将CPW估计量应用于Kalla和Broockman（2022）的实地实验数据进行再分析。分析单元为个体（实验单元），关键自变量为处理分配（Zi）和处理接受（Ti），因变量为结果变量（Yi），协变量为预处理变量（Xi）。依从概率通过估计处理分配对处理接受的异质性效应获得。
Data & Sample
本文的理论部分不依赖具体数据。模拟研究部分，作者生成了长度为N的处理分配向量Z（伯努利分布），具体模拟参数和样本量在正文中未完整呈现（正文在模拟部分被截断）。实证应用部分，作者使用Kalla和Broockman（2022）的实验数据：该实验与政治倡导组织合作，在美国不同地区随机播放关于LGBT权利或移民政策的电视广告，随后通过调查测量政治态度。样本为调查受访者，非依从性表现为部分受访者未观看或未关注广告。作者利用广告中嵌入的移民政策事实问题来测量依从性。
Analytical Strategy
理论分析部分采用数学证明方法，通过分解LATE与ITT之差（Lemma 1）、推导CPW估计量的渐近形式（Lemma 2），并结合假设条件证明其渐近保守性（Proposition 2和3）。模拟研究部分比较了ITT、IV和CPW三种估计量在不同数据生成过程下的表现。实证应用部分，作者使用Nie和Wager（2021）的异质性处理效应估计器来估计依从概率，然后计算CPW估计量，并使用自助法（bootstrap）生成标准误和置信区间。作者还讨论了依从概率估计器的选择问题，包括参数模型、非参数方法以及LASSO类方法在高维协变量情形下的适用性。
Results & Findings
- 理论结果：在Assumptions 1、7和8下，CPW估计量渐近收敛于一个不大于LATE的值（Proposition 2），即提供保守推断。在更强的Assumption 9下，CPW估计量的绝对值渐近不大于LATE的绝对值（Proposition 3）。这一结果意味着，即使排除性限制和单调性不成立，研究者仍能获得关于LATE的可靠下界（或上界，取决于效应方向）。
- 分解结果：Lemma 1将LATE与ITT之差分解为两部分：一是依从者与非依从者之间处理效应的差异，二是协变量在依从者与全样本之间分布不平衡导致的效应异质性。CPW估计量通过加权消除了第二部分偏差。
- 假设比较：作者证明，当所有协变量层内处理效应为正时，排除性限制蕴含Assumption 8，即CPW的假设弱于IV的假设。但在存在反噬效应（backfire effects）的情况下，两者不具嵌套关系。作者认为CPW的假设通常比主可忽略性更易满足，因为后者要求结果与单元在另一分配状态下会接受的治疗无关，这在社会科学应用中往往不现实。
- 实证结果：在Kalla和Broockman（2022）的实验中，原作者发现广告对政治态度无显著影响，但CPW估计量显示，在密切关注广告的依从者子群中存在态度效应。这一发现表明，全样本无效应可能掩盖了依从者中的真实效应。
- 模拟结果：正文中模拟部分被截断，未完整呈现具体数值结果，但作者指出模拟旨在比较ITT、IV和CPW三种估计量在不同数据生成过程下的表现。
Limitations
作者在文中承认以下局限：（1）Assumption 7要求依从概率可被一致估计，而这一估计本身可能需要额外假设（如参数函数形式、协变量维度限制等），这些假设在某些应用中可能较强；（2）Assumption 8要求依从者平均处理效应不小于全样本，虽然作者认为这在多数应用中合理，但并非普遍成立；（3）CPW估计量提供的是保守推断而非点估计，无法给出LATE的精确值；（4）当存在反噬效应（即某些协变量层内处理效应为负）时，CPW的假设与IV假设不具嵌套关系，方法适用性需具体判断；（5）正文中模拟部分的完整结果未呈现，限制了对其有限样本表现的全面评估。
Key Contributions
- 首次证明主分法中的CPW估计量可以在不依赖排除性限制、单调性和主可忽略性假设的情况下，对LATE进行渐近保守推断。
- 提供了LATE与ITT之差的分解公式（Lemma 1），为理解两类估计量的关系提供了新的理论视角。
- 系统比较了CPW估计量所需假设与IV方法、主分法假设之间的逻辑关系，明确了各方法的适用条件。
- 通过实证再分析，展示了CPW估计量在发现被全样本分析掩盖的依从者效应方面的实用价值。
- 为存在非依从问题的实验研究提供了一种新的分析工具，拓展了因果推断方法论的工具箱。
Key Claims
"This paper provides new results showing that an estimator within the class of principal score methods allows conservative inference about the LATE without invoking such assumptions." (Abstract)
"While previous authors have shown that similar estimators can point identify the LATE under the assumption of principal ignorability, this paper is the first to establish its conservatism without invoking such an assumption." (Section 1, Introduction)
"In essence, this assumption requires that the effect of assignment to treatment be larger for compliers than in the full sample when the distribution of pre-treatment covariates is fixed at that seen for just compliers." (Section 5.1, Assumption 8 discussion)
"I consider the CPW assumptions to also be more frequently plausible than both versions of principal ignorability." (Section 5.2.2)
"Using the CPW estimator, I provide evidence that, while no persuasive effect is present in the full sample, an effect on attitudes can be observed among the subset of subjects that paid close attention to the ads." (Section 1, Introduction)