存在干扰时估计全局处理效应的回归调整

在标准平均处理效应估计中，干扰的存在会导致偏倚。本文提出回归调整估计量，以去除伯努利随机化实验中由干扰引起的偏倚。我们利用拟合模型预测全局对照与全局处理的反事实结果。我们的工作不同于标准回归调整之处在于，调整变量由处理分配向量的函数构造，且允许研究者使用任何与响应相关的函数集合，从而将检测干扰的问题转化为特征工程问题。我们在线性模型设定下刻画了所提估计量的分布，并将结果联系到 SUTVA 下的标准回归调整理论。随后我们提出一种估计量，允许使用灵活的机器学习估计量来拟合非线性干扰函数形式。我们提议通过 bootstrap 与重采样方法进行统计推断，这使我们能够避开干扰所隐含的复杂依赖关系，转而依赖经验协方差结构。此类方差估计依赖于类似于观测性研究中标准无混杂假设的外生性假设。在模拟实验中，我们的方法比基于邻域暴露建模的现有逆倾向加权估计量更能去偏。我们将该方法用于重新分析一项关于中国农村村庄集合中天气保险采纳的实验。