群随机试验中合规性与网络因果效应的识别与高效估计
统计方法学
2025-12-19 v1
摘要
治疗非依从现象在传染病群随机试验中十分普遍。尽管同一簇内的所有个体均被分配相同的治疗条件，但由于非依从原因，治疗接受状态可能在不同个体之间存在差异。我们提出了半参数框架，以评估主导层中不同非依从模式下的个体合规效应和网络分配效应。个体合规效应捕捉治疗接受变化所导致的治疗效应比例，而网络分配效应则反映了治疗分配及簇内个体之间溢出效应的纯粹影响。与先前方法不同，本文通过新结构假设实现非参数点识别，然后开发半参数高效估计器，将数据自适应机器学习方法与高效影响函数相结合，以实现更稳健的推断。此外，我们引入敏感性分析方法以研究假设违反情况下的影响，并将所提方法应用于肯尼亚一次校园基于群体的驱虫试验的再分析，以评估其对疾病传播的影响。
引用
@article{arxiv.2512.16857,
title = {Identification and efficient estimation of compliance and network causal effects in cluster-randomized trials},
author = {Chao Cheng and Georgia Papadogeorgou and Fan Li},
journal= {arXiv preprint arXiv:2512.16857},
year = {2025}
}