聚类网络干扰下的异质性处理效应与溢出效应
统计方法学
2023-11-03 v3
摘要
大多数因果推断研究排除了单元间存在干扰的可能性。然而，在许多真实场景中，单元通过社会、物理或虚拟联系相互连接，且处理效应可从某一单元溢出至网络中其他相连个体。本文发展了一种机器学习方法，利用基于树的算法与 Horvitz-Thompson 估计器，在聚类网络及簇内邻域干扰的背景下，针对个体、邻域与网络特征评估处理效应与溢出效应的异质性。所提出的网络因果树（NCT）算法具有若干优势。首先，它允许研究处理效应异质性，避免由干扰存在引起的潜在偏倚。其次，理解处理与溢出效应的异质性可指导政策制定者扩大干预规模、设计定向策略并提升成本效益。我们通过蒙特卡洛模拟研究考察了 NCT 方法的性能，并将其应用于评估中国农村信息宣讲会对于采纳新型天气保险政策的异质性效应。
引用
@article{arxiv.2008.00707,
title = {Heterogeneous Treatment and Spillover Effects under Clustered Network Interference},
author = {Falco J. Bargagli-Stoffi and Costanza Tortù and Laura Forastiere},
journal= {arXiv preprint arXiv:2008.00707},
year = {2023}
}