As a robustness check, we compare t

As a robustness check, we compare these estimates to matching on the propensity score, as discussed in the working paper version (Chen et al., 2007). One option is to use the popular method of nearest-neighbor matching. However, because of the nonsmoothness of nearest neighbor matching, the conventional bootstrapping method is inappropriate for estimating the standard
errors (Alberto and Imbens, 2006a,b). In order to assure valid bootstrapped standard errors, we choose to apply nonparametric kernel matching in which all the non-participants are used as controls and weights are assigned according to a kernel function of the predicted propensity score (following Heckman et al., 1997, 1998). We use the normal density function as the kernel and the odds ratio (rather than propensity score) for matching because SWP villages are over-sampled relative to their frequency in the population eligible for the project.

Results (Vietnamese) 1:

Như là một kiểm tra mạnh mẽ, chúng tôi so sánh các ước lượng để phù hợp với xu hướng điểm, như được thảo luận ở phiên bản giấy làm việc (Chen và ctv., 2007). Một tùy chọn là sử dụng các phương pháp phổ biến của hàng xóm gần nhất phù hợp với. Tuy nhiên, vì nonsmoothness hàng xóm gần nhất phù hợp với, các phương pháp thông thường bootstrapping là không thích hợp cho ước tính tiêu chuẩnlỗi (Alberto và Imbens, 2006a, b). Để đảm bảo hiệu lực bootstrapped tiêu chuẩn lỗi, chúng tôi chọn để áp dụng nonparametric hạt nhân phù hợp với tất cả mà không tham gia được sử dụng như điều khiển và trọng lượng được phân công theo một chức năng hạt nhân của điểm dự đoán xu hướng (sau Heckman et al., 1997, 1998). Chúng tôi sử dụng chức năng bình thường với mật như là hạt nhân và các tỷ lệ cược tỷ lệ (chứ không phải điểm xu hướng) cho phù hợp vì SWP làng được over-lấy mẫu liên quan đến của tần số trong dân đủ điều kiện cho dự án.

Results (Vietnamese) 2:

Như một kiểm tra mạnh mẽ, chúng tôi so sánh các ước tính cho phù hợp về số điểm xu hướng, như đã thảo luận trong phiên bản giấy làm việc (Chen et al., 2007). Một lựa chọn là sử dụng các phương pháp phổ biến của khớp gần nhất, hàng xóm. Tuy nhiên, do các nonsmoothness khớp láng giềng gần nhất, phương pháp bootstrapping thông thường là không phù hợp cho việc ước lượng tiêu chuẩn
lỗi (Alberto và Imbens, 2006a, b). Để đảm bảo sai số chuẩn bootstrapped hợp lệ, chúng tôi chọn để áp dụng phù hợp hạt nhân không tham số trong đó tất cả các không tham gia được sử dụng như điều khiển và trọng lượng được phân công theo một hàm nhân của các điểm số xu hướng dự đoán (sau Heckman et al., 1997, 1998). Chúng tôi sử dụng chức năng mật độ bình thường như là hạt nhân và tỷ lệ chênh (chứ không phải là điểm xu hướng) cho phù hợp vì làng SWP được qua lấy mẫu tương đối so với tần số của họ trong hội đủ điều kiện dân số cho dự án.