实验组

实验组 (Treatment Group / Experimental Group)

实验组 (Treatment Group)，又称处理组或干预组，是统计推断与计量经济学中因果推断的核心概念。实验组指在随机对照试验 (Randomized Controlled Trial, RCT) 或准实验设计中，接受特定处理、干预或政策变化的那一组观测单位（个体、企业、地区等）。与之相对应的概念是对照组 (Control Group)，后者不接受干预，用于提供反事实 (Counterfactual) 基准。

核心逻辑：反事实框架

实验组的设立根植于鲁宾因果模型 (Rubin Causal Model)。对于每个单位 $i$，存在一对潜在结果 (Potential Outcomes)：

其中 $D_i$ 为二值处理指示变量。个体的处理效应 (Treatment Effect) 定义为 $\tau_i = Y_i(1) - Y_i(0)$。然而，对于任一单位，我们只能观测到其中一个潜在结果——这就构成了因果推断的根本问题 (Fundamental Problem of Causal Inference)。实验组与对照组的设计正是为了解决这一困境：通过随机分配 (Random Assignment) 确保两组在可观测和不可观测特征上（在大数定律意义下）统计同质，从而使对照组的结果 $Y(0)$ 可以作为实验组反事实结果的无偏估计。

随机化与内部有效性

实验组能否提供可信的因果推断，取决于随机化 (Randomization) 是否成功实现。随机分配确保了处理变量 $D_i$ 与潜在结果 $(Y_i(0), Y_i(1))$ 统计独立：

在随机化成功的前提下，平均处理效应 (Average Treatment Effect, ATE) 可通过两组均值之差一致估计：

此即差异估计量 (Difference Estimator)，其标准误可通过两样本 t 检验或回归分析加以推断。

常见应用与设计变体

实验组的概念不仅限于实验室环境，在经济学实证研究中广泛存在：

1. 随机对照试验：如发展经济学中的田野实验（随机选取村庄接受扶贫项目）、劳动经济学中的自然实验（如最低工资政策变化）。
2. 双重差分法 (Difference-in-Differences)：实验组是受到政策冲击的单位，对照组是未受冲击的单位，通过比较两组在政策前后的变化差异来识别因果效应。
3. 断点回归设计 (Regression Discontinuity)：在临界值两侧分别构成"准实验组"和"准对照组"。
4. 工具变量法：处理变量的外生变异来源可视为一种"自然随机化"，将样本划分为依从者、从不接受者、始终接受者和反抗者等子群体。

关键注意事项

实验组分析中需警惕以下问题：

• 样本选择偏差 (Selection Bias)：非随机分组时，实验组与对照组的系统性差异将污染处理效应估计。可通过倾向得分匹配 (Propensity Score Matching) 等方法缓解。
• 样本流失 (Attrition)：实验组单位在追踪过程中退出，若流失与潜在结果相关，将导致估计偏误。
• 霍桑效应：实验组单位因知晓自己被观察而改变行为，削弱结论的外部有效性。
• 溢出效应 (Spillover / SUTVA 违反)：稳定单位处理值假设 (SUTVA) 要求任一单位的潜在结果不受其他单位处理状态的影响。若实验组的干预溢出至对照组，两组对比将失效。
• 小样本问题：即使随机化成功，小样本下实验组与对照组仍可能存在前处理特征不平衡，可借助Fisher 精确检验或随机化推断进行小样本稳健推断。

总之，实验组是因果推断中最根本的结构要素。通过精心设计实验组与对照组的对比，研究者得以从观测数据中分离出真正的因果效应，而非仅仅描述相关关系。