网络观测研究中处理效应与干扰效应的识别与估计

对通过网络连接的一组单元进行因果推断常常面临技术挑战，包括如何考虑干扰。例如，在存在局部干扰的情况下，一个单元的潜在结果既取决于其自身的处理，也取决于其他局部单元（如网络中其邻居）的处理。在观测研究中，一个进一步的复杂问题是，典型的无混杂假设必须加以扩展——例如，纳入邻居的处理以及个体和邻域的协变量——以保证可识别性和有效推断。在此，我们提出了定义处理效应和干扰效应的新估计量。然后，我们推导出一个错误地假设不存在干扰的朴素估计量偏差的解析表达式。该偏差取决于干扰的程度，也取决于个体处理与邻域处理之间的关联程度。我们提出了一个考虑干扰的扩展无混杂假设，并开发了新的协变量调整方法，从而能够在网络观测研究中得到处理效应和干扰效应的有效估计。估计基于一个广义倾向得分，该得分在不同水平的个体处理和邻居处理暴露度下，平衡了各单元的个体和邻域协变量。我们利用美国一项具有全国代表性的7-12年级青少年纵向研究中的友谊网络和协变量进行校准，开展了模拟研究，以探索在不同现实场景下的有限样本表现。