[论文解读] Spillover Effects in Cluster Randomized Trials with Noncompliance

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

Advanced Causal Inference Techniques参考文献 56被引用 8

一句话总结

本文证明，在存在治疗溢出效应的情况下，聚类随机化试验（CRTs）中的标准工具变量（IV）分析无法识别出依从者平均因果效应（CACE）。研究证明，在非依从性和干扰并存的情况下，无法实现网络因果效应的无偏估计，但在单调性假设下可推导出有效的边界，并在肯尼亚的一项驱虫试验中得到验证。

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.

研究动机与目标

• 研究在同时存在非依从性和治疗溢出效应时，聚类随机化试验（CRTs）中因果效应的识别问题。
• 挑战在存在溢出效应时，CRTs中标准工具变量（IV）分析的有效性，表明其无法识别出依从者平均因果效应（CACE）。
• 确立在非依从性和干扰条件下，任何观测CRT数据的函数都无法无偏估计网络因果效应。
• 在治疗单调性假设下，推导出总效应和溢出效应的边界。
• 利用肯尼亚一项聚类随机化驱虫试验的实证数据验证理论发现。

提出的方法

• 使用潜在结果框架对CRTs中的干扰和非依从性进行建模，区分依从者、始终接受者、违抗者和从不接受者。
• 证明当存在溢出效应时，CRTs中的标准IV估计量无法识别CACE，原因在于治疗分配与结果通过同伴效应产生依赖。
• 通过基于数据分布约束的反例，证明在非依从性和干扰条件下，CRTs中不存在网络因果效应的无偏估计量。
• 在单调性假设（即无违抗者）下，利用观测到的依从比例和结果均值，推导出总效应和溢出效应的紧边界。
• 将边界估计方法应用于肯尼亚学校驱虫试验的真实CRT数据，采用聚类水平随机化及观测到的依从性和结果数据。
• 采用插值检验统计量进行边界推断，利用原假设下渐近正态性和估计量的概率收敛性。

实验结果

研究问题

• RQ1 在存在治疗溢出效应时，聚类随机化试验中的标准工具变量（IV）分析能否识别出依从者平均因果效应（CACE）？
• RQ2 在非依从性和干扰条件下，CRT观测数据的任何函数能否无偏估计网络因果效应？
• RQ3 在治疗单调性假设下，CRT中总效应和溢出效应的紧边界是什么？
• RQ4 溢出效应与非依从性如何共同影响CRT中因果推断的有效性，特别是在公共卫生干预中？
• RQ5 理论边界能否通过真实CRT的实证数据进行实际应用和验证？

主要发现

• 在存在治疗溢出效应时，CRT中的标准IV分析无法识别出依从者平均因果效应（CACE），导致常见估计方法失效。
• 在非依从性和干扰条件下，CRT中不存在网络因果效应的无偏估计量，表明CRT设计在这些情境下存在根本性局限。
• 在治疗单调性假设（无违抗者）下，可从观测数据中推导出总效应和溢出效应的紧边界。
• 肯尼亚驱虫试验的实证分析表明，溢出效应显著，估计边界显示直接治疗之外存在有意义的间接益处。
• 边界检验的插值统计量在原假设下收敛于标准正态分布，即使存在估计不确定性，也能实现有效推断。
• 理论与实证结果共同表明，在缺乏更强结构假设的情况下，CRT无法无偏估计溢出效应。