调查权重修的是抽样偏差,不是未观测混杂:加权均值差为何仍可能不是因果效应
【锚点】设计权重不是因果权重:它修抽样偏差,不修未观测混杂。
【显式】调查抽样里,基本设计权重 w_i = 1/π_i,π_i 是入样概率;它把“谁更容易被抽中”倒回来,使加权均值估计总体均值。【流程节点链路】抽样框 → 入样概率 π_i → 设计权重 w_i=1/π_i → 加权估计量 → 总体参数。
【隐式】但因果问题问的不是“总体里处理组与控制组平均差多少”,而是“同一个人若处理与不处理之差”。把加权后的处理组均值减控制组均值当效应,等于把【抽样偏差】误当成【处理分配偏差】。【流程节点链路】潜在结果 Y(1) 与 Y(0) → 处理分配 T → 观测结果 Y → 可识别性假设 → 估计量 → 因果解释。
【细微】设计权重通常只建模“被抽中”,不建模“是否接受处理”。即使权重让年龄、性别、教育恢复总体分布,仍可能留下未观测混杂 U。经典参照:Rosenbaum 与 Rubin (1983) 的倾向得分处理处理分配;Heckman (1979) 的选样模型处理进入样本或劳动参与;两者不是同一套权重。
【显式】设总体 1000 人,处理组 500、控制组 500。真实因果效应为 0,但处理组有未观测动机 U=2,控制组 U=0;Y=U+ε。处理组样本均值 2.1,控制组 0.2,原始差 1.9。调查设计过度抽中处理组:处理组入样概率 0.4,控制组 0.1;权重 2.5 与 10。加权后组内均值仍约 2.1 与 0.2,加权差仍约 1.9。权重修好了“处理组被过抽”的构成偏差,却修不掉 U 造成的组间差异。
【隐式】加权回归的标准误也要跟着设计走:忽略聚类、重复入样与权重,会把【设计效应】漏掉,让置信区间画瘦。
【极难发现】真正可检验的不是“权重够不够大”,而是【可忽略性】:给定观测协变量 X,处理分配与潜在结果独立。设计权重无法提供这个假设;它只能证明你估计的是某个加权总体上的平均差。若要接近因果解释,至少需要:明确估计目标(ATE/ATT)、说明处理分配机制、用 X 做倾向得分/匹配/加权、做未观测混杂敏感性分析(如 Rosenbaum bounds 或 E-value)。
【待验证点】当调查权重已经让处理组与控制组在所有可观测变量上几乎平衡,研究者是否可以把加权均值差称为“准实验估计”?如果答案是否,最小证据门槛应该是什么?






0 評論