随机评价设计的样本量-WorldBank.PDF

随机评估设计的样本量 Jed Friedman 世界银行SIEF 地区影响评估研讨班 北京,中国 07, 2009 Adapted from slides by Esther Duflo, J-PAL 随机评估的样本量估算  问题: 要可靠地测量一个特定效果的水平,需要多大的样本量?  这里”可靠(Credibly)”的含义是; 可以有充分理由认为项目是导致项目干预组和对照组之间 差异的原因。  随机化可以避免偏移,但是不能排除”干扰(noise)”  可以避免偏移，是因为样本量足够大，那么需要多大的样本量呢？ 基础依据  在一个实验结束时，我们会比较干预组和对照组之间 有趣的结果。  我们所感兴趣的差异: 干预组的均数- 对照组的均数 = 效应量  比如: 在农村通过免费分发获得蚊帐的平均人数 V.S. 在农村通过成本补偿获得蚊帐的平均人数 估算 我们所观察的是样本,而非总体. 在样本的每个村子里,有一个蚊帐数.这个数据或多或少地与全人 群的实际平均数接近, 因为这个数据也是各类外部因素对蚊帐 数影响的结果. i 1  我们通过计算样本的平均数来进行均数估算 如果我们只有很少的村庄, 那么均数就不够精确. 这样当我们比较 不同样本组均数的差异时, 就不能断定这个差异来自实验影响 还是由别的因素导致. 估算 样本量:  如果干预组和对照组各有一个村庄,可以得出什么推断结果?  如果我们在实施疟疾干预时,把两个班级分别作为干预组和对照组, 比较结果如何?  (接上) 当这个班级人数较多时?  有效样本量的意义是什么？比如,干预组和对照组的单位数量(既班 级数) , 上述疟疾项目中,在一个教室内,这个单位指什么? 在结果变量中,我们试图测量变化程度  如果有很多其他没有被考虑到的因素能够解释我们的结果,就很难 说我们采取的实验因素是真实有效的. 当结果很精确时标准差小 Low Standard Deviation 25 20 y c 15 n mean 50 e u q mean 60 e 10 r F 5 0 e 3 7 1 5 9 3 7 1 5 9 3 7 1 5 9 u 3 3 4 4 4 5 5 6 6 6 7 7 8 8 8 l a v Number 不够精确时标准差处于中等水平