ABSTRAK
Uji coba terkontrol acak (RCT) adalah standar emas untuk inferensi kausal dan digunakan secara luas. Namun, analisis RCT yang valid sering kali rumit karena ketidakpatuhan, yang dapat menyebabkan bias pengganggu dan estimasi efek kausal yang bias. Tantangan utama berasal dari kumpulan data kepatuhan baik dalam kelompok perlakuan maupun kontrol yang mengikuti model campuran dua komponen. Penaksir kemungkinan nonparametrik maksimum tidak konsisten dalam model campuran dua komponen bahkan jika proporsi campuran dan salah satu komponen diketahui sepenuhnya, tetapi komponen lainnya tidak diketahui. Dalam makalah ini, kami mengasumsikan model parametrik untuk rasio risiko di antara para peserta yang diberi perlakuan, peserta yang tidak pernah mengikuti dan peserta yang selalu mengikuti, dan membiarkan para peserta dasar yang tidak diberi perlakuan tidak ditentukan. Kami mengembangkan prosedur estimasi kemungkinan maksimum dua langkah yang baru dengan memanfaatkan sepenuhnya kovariat yang diamati dan kelas kepatuhan laten, yang secara teoritis dapat menghasilkan akar asimptotik
penaksir yang konsisten. Secara khusus, penaksir yang kami usulkan untuk rasio risiko lokal bersyarat selalu berada dalam kisaran parameter. Hasil numerik kami menunjukkan bahwa metode yang diusulkan secara umum lebih andal daripada alternatif yang ada.