一般干扰下因果效应随机化检验的图论方法
统计方法学
2021-05-26 v3 应用统计
摘要
当一个单元的结果依赖于另一个单元的处理分配时,存在干扰。例如,一条街道上的密集警务可能对邻近街道产生溢出效应。经典随机化检验在此情形下通常失效,因为许多感兴趣的零假设在干扰下不再是尖锐的。一个有前景的替代方案是在零假设为尖锐的单元和分配子集上构造条件随机化检验。然而,寻找这些子集具有挑战性,现有方法局限于特殊情况或功效有限。本文针对单元间任意干扰下的一般零假设类,提出有效且易于实现的随机化检验。我们的关键思想是将感兴趣的假设表示为单元与分配之间的二部图,并找到该图的一个适当双团。重要的是,零假设在此双团内是尖锐的,从而支持基于条件随机化的检验。我们还将双团大小与统计功效相联系。此外,我们可以应用现成的图聚类方法高效且大规模地找到此类双团。我们在具有聚类干扰的设置中展示了我们的方法,并显示出优于专为该设置设计的方法的优势。然后将我们的方法应用于哥伦比亚麦德林的大规模警务实验,其中干扰具有空间结构。
引用
@article{arxiv.1910.10862,
title = {A Graph-Theoretic Approach to Randomization Tests of Causal Effects Under General Interference},
author = {David Puelz and Guillaume Basse and Avi Feller and Panos Toulis},
journal= {arXiv preprint arXiv:1910.10862},
year = {2021}
}