[论文解读] The Association of Opening K-12 Schools with the Spread of COVID-19 in the United States: County-Level Panel Data Analysis

Victor Chernozhukov, Hiroyuki Kasahara+1 more|arXiv (Cornell University)|Feb 20, 2021

COVID-19 epidemiological studies参考文献 37被引用 61

一句话总结

本研究利用美国2020年4月至12月的县级面板数据，考察K-12学校复课与COVID-19传播之间的关联，结合客流量和学校复课数据。研究发现，全面恢复面对面教学的学校与2周内病例增长率提高5个百分点相关，且在未实施教职员工口罩令的县中效应更强，采用去偏固定效应估计器控制未观测到的混杂因素。

ABSTRACT

This paper empirically examines how the opening of K-12 schools and colleges is associated with the spread of COVID-19 using county-level panel data in the United States. Using data on foot traffic and K-12 school opening plans, we analyze how an increase in visits to schools and opening schools with different teaching methods (in-person, hybrid, and remote) is related to the 2-weeks forward growth rate of confirmed COVID-19 cases. Our debiased panel data regression analysis with a set of county dummies, interactions of state and week dummies, and other controls shows that an increase in visits to both K-12 schools and colleges is associated with a subsequent increase in case growth rates. The estimates indicate that fully opening K-12 schools with in-person learning is associated with a 5 (SE = 2) percentage points increase in the growth rate of cases. We also find that the positive association of K-12 school visits or in-person school openings with case growth is stronger for counties that do not require staff to wear masks at schools. These results have a causal interpretation in a structural model with unobserved county and time confounders. Sensitivity analysis shows that the baseline results are robust to timing assumptions and alternative specifications.

研究动机与目标

• 评估美国县级层面K-12学校复课对COVID-19病例增长率的因果影响。
• 评估缓解措施（尤其是教职员工口罩令）是否能减弱学校复课与病例增长率之间的关联。
• 考察前往学校的客流量作为面对面活动的代理指标，及其与后续病例增长的预测关系。
• 使用先进的计量经济学方法控制未观测到的县和时间特定混杂因素，确保因果推断的稳健性。
• 检验结果对替代时间假设和模型设定的敏感性，提升发现的可靠性。

提出的方法

• 采用去偏固定效应估计器，处理具有未观测到的县和时间特定混杂因素的面板数据中的高维固定效应和内生性问题。
• 使用每日变量的7天移动平均值，以减少病例和客流量数据中的周周期波动。
• 利用SafeGraph基于GPS的客流量数据，测量每台设备访问K-12学校、大学、工作场所及其他地点的次数。
• 整合MCH Strategic Data提供的学区层面数据，涵盖教学模式（面对面、混合、远程）和教职员工口罩要求，通过按注册人数加权平均法汇总至县级水平。
• 应用州周固定效应和县固定效应，以控制随时间变化的州政策和未观测到的县异质性。
• 使用滞后变量（14–35天），以反映暴露与病例/死亡报告之间潜伏期和报告延迟的影响。

实验结果

研究问题

• RQ1 K-12学校客流量增加是否与后续确诊病例增长率显著相关？
• RQ2 全面恢复面对面教学是否导致2周内病例增长率出现可测量的上升？
• RQ3 缓解措施（特别是教职员工口罩令）在多大程度上可降低学校复课带来的传播风险？
• RQ4 学校访问与病例增长的关系在不同教学模式（面对面、混合、远程）下有何差异？
• RQ5 估计的关联性是否对替代模型设定和时间假设具有稳健性？

主要发现

• 全面恢复K-12学校面对面教学与确诊病例2周内增长率提高5个百分点相关（标准误 = 2）。
• 在未实施教职员工口罩令的县中，学校访问与病例增长之间的正向关联显著更强，每增加100单位访问量，病例增长率提高0.287个百分点（p < 0.01）。
• 混合和远程教学模式与病例增长的关联较小或为负，其中远程教学使增长率降低0.094个百分点（p < 0.01）。
• 大学访问也与病例增长正相关，每增加100单位访问量，病例增长率提高0.060个百分点（p < 0.1），表明高等教育场所可能引发更广泛社区传播。
• 在未实施口罩令的县中，面对面学校复课对病例增长率的影响被放大，此类地区面对面学校使增长率额外提高0.034个百分点（p < 0.1）。
• 敏感性分析表明，基线结果对替代滞后结构、模型设定和时间假设均具有稳健性，支持因果推断。