面向一般处理类型的阶乘匹配观察研究的通用框架：设计、分析与应用

匹配是观察性研究中最常用的因果推断框架之一。然而，现有的基于匹配的因果推断方法要么设计用于单一处理类型（如二元、有序或连续）要么仅限于二元处理的阶乘（多个）处理。据我们所知，尚无基于匹配的方法能够处理一般处理类型的阶乘处理。此关键缺口大幅限制了匹配在许多实际问题中的适用性，而这些问题常涉及多个可能非二元（如连续）处理组件。为此，我们发展了一个面向一般处理类型的阶乘匹配观察性研究的通用框架，涵盖设计与分析。我们首先提出一种两阶段非二分匹配算法，构建具有相似协变量但不同处理剂量组合的匹配单元，从而可在一般处理类型下有效估计主效应和交互效应。随后，我们引入一类广义阶乘Neyman型估计量，提供在一般处理类型的阶乘处理下，对边际效应和交互效应进行模型无关、有限总体有效定义的因果效应。我们发展了基于随机化的Fisher型和Neyman型推断程序，包括无偏估计量、 asymptotically有效方差估计量，以及整合协变量信息以提高效率的方差调整。最后，我们通过美国某县级应用实例说明了该框架，评估了在新冠疫情期间，通过减少工作与非工作行程（社交距离措施）对新冠相关和药物相关结果的因果影响。