Inferens med bootstraps-estimatorer

Rapportförfattarna presenterar två typer av estimatorer som ger korrekta standardfel för K till 1 matchingsestimatorer. Utgångspunkten för båda estimatorerna är att – istället för att som vid klassisk bootstrap sampla från originaldata – sampla från skillnaden i utfall mellan matchade par (EICE). Genom att ta skillnader mellan dessa EICE:s på ett systematiskt sätt får vi bootstraps-estimatorer av standardfel som är valida även vid heterogena behandlingseffekter. Utöver bevis av validitet visar rapportförfattarna också hur estimatorerna fungerar i praktiken.

Bakgrund

Abadie och Imbens (2008 Econometrica) visade att klassisk bootstrap inte ger korrekt standardfel för skattade (program-) effekter när dessa effekter skattats med K till 1 matchningsestimatorer. Detta skulle således kunna leda till felaktiga slutsatser om effekter vid empiriska studier (t.ex. om effekter av arbetsmarknadspolitiska program). Detta är metodologiskt intressant eftersom det visar att bootstraps-etimatorer inte ska användas utan att vara teoretiskt motiverade.