Estimation of Causal Effects Under K-Nearest Neighbors Interference
K 近邻干扰下的因果效应估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究实验中的直接与间接因果效应，并以近邻关系刻画处理干扰，直接对应因果推断及网络与干扰。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
K 近邻干扰下的因果效应估计
- 研究问题
- 在个体结果同时受到自身处理状态和最近 K 个邻居处理状态影响的实验中，如何分别识别并估计各邻居贡献的间接效应？
- 方法与思路
- 作者建立 K 近邻干扰模型，定义可分解邻居贡献的因果估计目标，提出无偏估计量及保守方差估计，并考察附加假设下的扩展。
- 材料陈述的贡献
- 摘要称该框架可区分各近邻的间接处理效应；学校冲突干预实验的应用提供证据，表明处理影响主要沿最紧密的联系传播。
- 阅读关注点
- 应核对邻居距离与 K 的确定方式、实验分配机制、估计目标和方差保守性的条件，以及“no weak interaction”假设的精确定义。
- 阅读边界
- 所据为 arXiv 预印本，不能确认同行评审或期刊接收；摘要未说明干扰模型与实际网络的适配条件，应用结论的外推范围也不明确。
原文摘要
Considerable recent work has focused on methods for analyzing experiments which exhibit treatment interference -- that is, when the treatment status of one unit may affect the response of another unit. Such settings are common in experiments on social networks. We consider a model of treatment interference -- the K-nearest neighbors interference model (KNNIM) -- for which the response of one unit depends not only on the treatment status given to that unit, but also the treatment status of its $K$ ``closest'' neighbors. We derive causal estimands under KNNIM in a way that allows us to identify how each of the $K$-nearest neighbors contributes to the indirect effect of treatment. We propose unbiased estimators for these estimands and derive conservative variance estimates for these unbiased estimators. We then consider extensions of these estimators under an assumption of no weak interaction between direct and indirect effects. We perform a simulation study to determine the efficacy of these estimators under different treatment interference scenarios. We apply our methodology to an experiment designed to assess the impact of a conflict-reducing program in middle schools in New Jersey, and we give evidence that the effect of treatment propagates primarily through a unit's closest connection.