从因子实验外推单一处理效应

尽管成本高昂，随机对照试验 (RCT) 仍广泛视为社会科学至医学等领域的金标准证据。近年来，研究者们日益寻求通过包含多个假设的因子设计来减轻重复 RCT 的资源负担，例如评估多种药物或产品的实验。本文表明，当多个干预措施被随机化时，若无惊人假设，便无法识别任一单一干预措施在实验之外的效应。这源于单一处理效应涉及仅有一个焦点干预的反事实世界，允许其他变量取自然值（可能受焦点干预的影响或被修改）。相反，观察性研究和因子实验提供关于零干预和多个干预情景下潜在结果分布的信息。本文对这些孤立量的可识别性条件进行形式化化。我展示，依赖此类设计的研究者必须为线性函数形式或——在非参数情况下——通过有向无环图 (DAG) 指定变量在现实世界中的关系。最后，我发展出非参数尖锐边界——即与有限 RCT 数据相容且最具信息量的最坏/最好情况估计——以显示何种情况下关于效应符号的外推是经验上合理的。这些新结果通过仿真数据进行了说明。