[논문 리뷰] Spillover Effects in Cluster Randomized Trials with Noncompliance

Hyunseung Kang, Luke Keele|arXiv (Cornell University)|2018. 08. 20.

Advanced Causal Inference Techniques참고 문헌 56인용 수 8

한 줄 요약

이 논문은 치료 확산이 존재할 경우 클러스터 랜덤화된 시험(CRTs)에서 표준 산업변수(IV) 분석이 준수자 평균 인과효과(CACE)를 규명하지 못함을 보여준다. 비편향 추정이 비준수와 간섭 상황에서 불가능하다는 것을 증명하지만, 단조성 조건 하에서 타당한 경계를 도출하며 케냐의 기생충 퇴치 시험에서 검증된다.

ABSTRACT

Cluster randomized trials (CRTs) are popular in public health and in the social sciences to evaluate a new treatment or policy where the new policy is randomly allocated to clusters of units rather than individual units. CRTs often feature both noncompliance, when individuals within a cluster are not exposed to the intervention, and individuals within a cluster may influence each other through treatment spillovers where those who comply with the new policy may affect the outcomes of those who do not. Here, we study the identification of causal effects in CRTs when both noncompliance and treatment spillovers are present. We prove that the standard analysis of CRT data with noncompliance using instrumental variables does not identify the usual complier average causal effect when treatment spillovers are present. We extend this result and show that no analysis of CRT data can unbiasedly estimate local network causal effects. Finally, we develop bounds for these causal effects under the assumption that the treatment is not harmful compared to the control. We demonstrate these results with an empirical study of a deworming intervention in Kenya.

연구 동기 및 목표

• 비준수와 치료 확산이 동시에 존재할 경우 클러스터 랜덤화된 시험(CRTs)에서 인과효과의 규명을 조사하기 위해.
• 확산 효과가 존재하는 상황에서 CRTs에서 표준 산업변수(IV) 분석의 타당성을 도전하며, 이는 준수자 평균 인과효과(CACE)를 규명하지 못함을 보여주기 위해.
• 비준수와 간섭 상황에서 관측된 CRT 데이터의 어떤 함수도 네트워크 인과효과를 비편향으로 추정할 수 없다는 것을 확립하기 위해.
• 치료의 단조성 조건(즉, 반항자 없음)을 가정할 때 총 효과와 확산 효과에 대한 경계를 도출하기 위해.
• 케냐의 클러스터 랜덤화된 기생충 퇴치 시험에서의 실증 데이터를 사용하여 이론적 결과를 검증하기 위해.

제안 방법

• 비준수와 간섭을 모델링하기 위해 잠재적 결과 프레임워크를 사용하여 준수자, 항상-자기자신자, 반항자, 결코-자기자신자를 구분한다.
• 확산 효과가 존재할 경우, CRTs에서 표준 IV 추정량이 준수자 평균 인과효과(CACE)를 규명하지 못함을 증명하며, 이는 동료 효과를 통해 치료 배정과 결과 간의 의존성 때문임을 밝힌다.
• 비준수와 간섭 상황에서 CRTs에서 네트워크 인과효과의 비편향 추정량이 존재하지 않음을 반례를 통해 보여주며, 데이터 분포 제약 조건에 기반한다.
• 치료의 단조성 조건(즉, 반항자가 없음)을 가정할 때 관측된 준수 비율과 결과 평균을 사용하여 총 효과와 확산 효과에 대한 날카로운 경계를 도출한다.
• 실제 클러스터 랜덤화된 기생충 퇴치 시험에 대해 경계 추정 방법을 적용하며, 클러스터 수준의 랜덤화와 관측된 준수 및 결과 데이터를 사용한다.
• 경계에 대한 플러그인 검정 통계량을 사용하여 추론을 수행하며, 근본가정 하에서 점근 정규성과 추정량의 확률 수렴을 활용한다.

실험 결과

연구 질문

• RQ1 치료 확산이 존재할 경우 클러스터 랜덤화된 시험에서 표준 산업변수(IV) 분석이 준수자 평균 인과효과(CACE)를 규명하는가?
• RQ2 비준수와 간섭 상황에서 CRT의 관측 데이터에 대한 어떤 함수도 네트워크 인과효과를 비편향으로 추정할 수 있는가?
• RQ3 비준수 상황에서 치료의 단조성 조건을 가정할 때 총 효과와 확산 효과에 대한 날카로운 경계는 무엇인가?
• RQ4 확산 효과와 비준수의 상호작용이 클러스터 랜덤화된 시험에서 인과적 추론의 타당성에 어떤 영향을 미치는가, 특히 공중보건 개입의 맥락에서?
• RQ5 이론적 경계는 실증 데이터를 사용하여 실질적으로 적용되고 검증될 수 있는가?

주요 결과

• 치료 확산이 존재할 경우 클러스터 랜덤화된 시험에서 표준 IV 분석은 준수자 평균 인과효과(CACE)를 규명하지 못하며, 이는 일반적인 추정 방법의 타당성을 무너뜨린다.
• 비준수와 간섭 상황에서 CRTs에서 네트워크 인과효과의 비편향 추정량이 존재하지 않으며, 이는 이러한 설정에서 CRT 설계의 근본적 한계를 의미한다.
• 치료의 단조성 조건(반항자가 없음)을 가정할 경우 관측된 데이터로부터 총 효과와 확산 효과에 대한 날카로운 경계를 도출할 수 있다.
• 케냐 기생충 퇴치 시험의 실증 분석 결과, 확산 효과가 상당히 크며, 추정된 경계는 직접 치료 외의 간접적 혜택을 의미함을 시사한다.
• 경계에 대한 플러그인 검정 통계량은 근본가정 하에서 표준 정규분포로 수렴하며, 추정 불확실성에도 불구하고 타당한 추론이 가능하다.
• 이론적 및 실증적 결과는 CRTs가 비준수 상황에서 더 강력한 구조적 가정 없이 확산 효과를 비편향으로 추정하는 데에는 부적합하다는 것을 확인한다.