处理效应异质性的识别：局部平均处理效应（LATE）.docxVIP

处理效应异质性的识别：局部平均处理效应（LATE）

一、引言

在实证研究与政策评估领域，处理效应的识别始终是核心议题之一。传统研究多聚焦于平均处理效应，即处理对所有个体的平均影响，但现实中，同一处理对不同个体的效果往往存在显著差异——这种差异源于个体特征、环境条件、处理强度等多维度的异质性。如果仅依靠整体平均效应来推断处理的实际作用，不仅会掩盖关键的个体差异，还可能导致政策制定出现偏差，甚至造成资源的低效配置（赫克曼，某年）。局部平均处理效应（LATE）正是为应对这一问题而生的重要分析工具，它由安格里斯特与因本斯于某年正式提出，通过工具变量的合理运用，精准识别出特定群体的处理效应，为剖析处理效应异质性提供了严谨的理论框架与实证路径。本文将围绕处理效应异质性的内涵、LATE的理论基础、识别策略、应用场景及局限性展开系统论述，旨在全面呈现这一方法的核心价值与实践逻辑。

二、处理效应异质性的理论内涵与现实意义

（一）处理效应异质性的核心内涵

处理效应指的是个体接受某种干预（如政策实施、项目参与、药物治疗等）后，其结果变量与未接受干预时的结果变量之间的差异。而处理效应异质性，本质上是这种差异在不同个体或群体间的非均匀分布。具体来说，异质性的来源可以分为三类：一是个体自身特征的差异，比如年龄、性别、教育水平、收入状况等，这些特征会直接影响个体对处理的响应程度。例如，同一项技能培训项目，对于有