关于近似邻域干扰下辅助变量的调整
统计方法学
2024-12-02 v1
摘要
随机实验是因果推断的金标准。然而，诸如稳定单元处理价值假设(SUTVA)等传统假设在现实环境中常因单位之间的干扰而失效。网络干扰尤其受到关注。结构模型（如线性均值模型）常用于描述干扰；但它们依赖于模型的正确指定，这可能受到限制。近期文献中出现的近似邻域干扰(ANI)框架提供了更灵活的替代方法，通过假设远离单位的干扰可被忽略来实现这一目标。本文引入了一个在ANI假设下进行网络实验回归调整的通用框架。该框架扩展了传统回归调整，通过考虑网络基变量的不平衡，确保精度提高，提供更短的置信区间。我们在基于设计的推断框架中建立了方法的有效性，该框架仅依赖治疗分配的随机化进行推断，而无需正确指定结果模型。
引用
@article{arxiv.2411.19789,
title = {Adjusting auxiliary variables under approximate neighborhood interference},
author = {Xin Lu and Yuhao Wang and Zhiheng Zhang},
journal= {arXiv preprint arXiv:2411.19789},
year = {2024}
}
备注
46 pages