群随机试验中存在不依从时的估计方法：以印度生物识别智能卡支付系统研究为例
统计方法学
2019-08-16 v3
摘要
许多政策评估发生在治疗于群水平随机化、且各群内部存在治疗不依从的情形中。例如，村庄可能被分配至治疗组与对照组，但每个村庄的居民可能选择依从或不依从其被分配的治疗状态。当存在不依从时，工具变量框架可用于识别与估计因果效应。尽管关于工具变量估计方法的文献众多，但聚焦于群水平治疗设置的工作相对较少。在此，我们回顾群设计下工具变量估计的现有方法，并推导这些估计量的有限样本与渐近性质。我们证明当前估计量的性质依赖于不现实的假设。随后，我们针对群随机试验提出一种新的IV估计方法并研究其形式化性质。我们证明我们的IV估计量允许与群规模相关的可能治疗效应异质性，且对群内低依从率具有稳健性。我们利用模拟评估这些方法，并将其应用于印度一项随机干预的数据。
引用
@article{arxiv.1805.03744,
title = {Estimation Methods for Cluster Randomized Trials with Noncompliance: A Study of A Biometric Smartcard Payment System in India},
author = {Hyunseung Kang and Luke Keele},
journal= {arXiv preprint arXiv:1805.03744},
year = {2019}
}