K近邻干扰下的因果效应估计
统计方法学
2023-07-31 v1
摘要
近期大量工作聚焦于分析存在处理干扰的实验的方法——即一个单元的处理状态可能影响另一单元的响应。此类设置在社交网络实验中很常见。我们考虑一种处理干扰模型——K近邻干扰模型（KNNIM）——其中一个单元的响应不仅取决于赋予该单元的处理状态，还取决于其 个“最近”邻居的处理状态。我们在 KNNIM 下推导因果估计量，使得我们能够识别这 个最近邻各自对处理的间接效应的贡献。我们为这些估计量提出无偏估计量，并推导这些无偏估计量的保守方差估计。然后我们在直接与间接效应间无弱交互的假设下考虑这些估计量的扩展。我们进行模拟研究以确定这些估计量在不同处理干扰情景下的有效性。我们将我们的方法应用于一项旨在评估新泽西州中学冲突减少项目影响的实验，并给出证据表明处理效应主要通过单元的最紧密连接传播。
引用
@article{arxiv.2307.15204,
title = {Estimation of Causal Effects Under K-Nearest Neighbors Interference},
author = {Samirah Alzubaidi and Michael J. Higgins},
journal= {arXiv preprint arXiv:2307.15204},
year = {2023}
}