关于基于暴露映射的干扰模型设定检验的不可能性

为了在怀疑存在溢出效应的随机实验中估计因果效应，分析者必须假设一个干扰模型。最流行的一类干扰模型是基于暴露映射的模型。在实践中，通常不清楚哪种干扰模型能准确捕捉实验中溢出效应的真实性质。作为回应，研究人员开发了设定检验，旨在确定给定的干扰模型是否被正确设定。在此背景下，第一类错误是当干扰模型实际正确时的拒绝率，第二类错误是当干扰模型设定错误时的接受率。虽然现有检验已被明确构造为控制第一类错误，但其第二类错误仍不甚明了。在本文中，我们给出了一个强不可能性结果：任何针对暴露映射模型且旨在对更大的暴露映射模型具有功效的设定检验，其最坏情况下的第一类和第二类错误之和为一。这意味着，没有哪个设定检验能提供比丢弃所有数据并随机拒绝原假设的朴素检验一致更好的性能。我们的负面结果适用于所有样本量、一致有界的结果以及与原假设最大化分离的备择假设。因此，有信息量的设定检验必须进一步限制其旨在对其获得功效的备择模型。为此，我们提供了一致一致的检验，用于区分无干扰与网络线性均值模型。