经济试验中的社交网络调整自适应随机化方法

伴随网络时代发展,个体间关系逐渐被纳入研究视角,基于社交网络的经济试验广泛开展。传统的随机化方法面临两大挑战:其一,参与试验的受试者间不再满足个体处理稳定性假设,若忽略网络干扰作用可能会导致估计偏差;其二,出于经济因素考虑,研究者希望在试验过程中分配更多受试者到优效干预组。针对上述问题,本文提出社交网络调整自适应随机化方法,该方法将响应变量自适应随机化方法与网络干扰作用平衡相结合,保证干预效果估计并将更多节点分配到优效干预组。模拟分析与实证研究均表明本文研究方法具有综合优势,是网络时代中进行经济试验的必要工具。

经济试验的协变量平衡自适应设计

在经济学领域的随机对照试验中,受试者的分配通常按照完全随机的方式进行.然而,完全随机化可能无法使基线协变量在试验组和对照组间的分布均衡可比,导致试验的解释性与准确性降低,甚至会得出错误的分析结果.本文在经济学随机对照试验中引入协变量平衡自适应设计,该设计在分配过程中自适应地对协变量的平衡性进行调整,从而能够获得协变量在组间分布相对均衡的分配方案.本文基于一项探究个性化信息是否能够影响养老金个人账户储蓄的随机对照试验案例,分析比较了不同随机化设计对于在随机化试验中的协变量平衡以及处理效应估计等方面的影响.实证分析表明,相比于完全随机化,考虑协变量平衡调整的随机化设计能够降低组间的协变量的不平衡程度,并提高后续对于平均处理效应的估计精度和检验功效.

问卷分割设计的成组序贯子问卷分配法

抽样调查在大数据时代仍是不可或缺的研究工具.然而,传统调查方式当前面临执行成本增加与数据质量降低的双重挑战.作为降低受访者负担的有效途径,问卷分割设计逐渐受到研究者重视.文章研究针对问卷分割设计中的子问卷分配过程展开讨论:在假设受访者招募服从泊松过程前提下,以降低协变量的子样本间差异为目标设计成组序贯随机过程.理论和数值分析显示该过程相较现有随机化方法具有优良的表现,可以更好地平衡子样本间协变量差异并提高估计量的估计精度.