用于单边二部实验的簇随机化设计

当一个单元的结果依赖于其他单元的处理状态时，随机对照试验的结论可能存在偏倚，这一问题被称为干扰。在本工作中，我们研究单边二部实验设置中的干扰，其中实验单元——处理被随机化且结果被测量的对象——并不直接交互。相反，它们的交互通过其到图另一侧干扰单元的连接而中介。此类干扰在市场和双边平台中十分常见。簇随机化设计是在图已知时缓解干扰的流行方法，但其在单边二部实验设置中尚未被充分研究。在本工作中，我们利用暴露映射框架形式化了单边二部实验中干扰的自然模型。我们首先展示了在此模型下现有簇随机化设计未能妥善缓解干扰的若干设置。接着我们表明，在我们的模型下最小化均值之差估计量的偏倚会导出一个具有自然解释的均衡划分聚类目标。我们进一步证明，我们的设计在具有有界干扰的线性潜在结果模型类上是极小极大最优的。最后，我们提供了理论和实验证据，表明我们的设计对多种干扰图和潜在结果模型具有鲁棒性。