评估差分隐私在随机对照试验中的效用

随机对照试验（RCTs）已成为许多情境中评估干预与政策影响的强有力工具。它们被视为生物医学领域及诸多社会科学中因果推断的黄金标准。研究人员发表了越来越多至少部分依赖 RCTs 进行推断的研究。这些研究通常包含已收集、去标识化并有时通过传统披露限制方法保护的反应数据。在本文中，我们利用经济学与政策分析中可用的复现包（研究汇编）实证评估隐私保护合成数据生成方法对已发表 RCT 分析的影响。我们实现了三种隐私保护算法，以基础的差分隐私（DP）算法之一——扰动直方图——为支撑来维护统计推断的质量。我们强调了在该设定下直接使用此算法与基于稳定性的直方图的挑战，并描述了所需调整。我们提供模拟研究，并证明可在多种参数化下于隐私保护数据上复现一篇已发表经济学文章的分析。我们发现，受 DP 技术影响的相对直接（高层面上）的隐私保护方法能够实现对已发表数据的推断有效保护。该结果适用于希望共享 RCT 数据、尤其在低收入与中等收入国家背景下且具备强隐私保护的研究者。