A Design-Based Approach to Testing and Inference in (Quasi-)Experiments with Spillovers

技术摘要：一种用于处理具有溢出效应的（准）实验中的设计导向测试与推断方法

1. 问题背景
经济政策往往会产生超出直接目标对象的溢出效应，通过空间、市场和社会网络进行传播。为了使这些效应变得可处理，应用研究人员通常使用低维“暴露映射”（exposure mappings，例如在特定半径内的受处理邻居比例）来总结复杂的处理分配向量。然而，仍存在两个关键挑战：

1. 设定不确定性（Specification Uncertainty）： 经济理论很少规定这些映射的具体函数形式（例如环形核函数与引力核函数）或参数（例如特定的半径或衰减率）。研究人员通常基于制度直觉或非正式诊断来选择这些参数，将其视为固定值而非估计值。
2. 推断局限性： 文献中现有的标准误和置信区间通常以选定的设定为条件，忽略了由暴露映射本身的选取所引入的不确定性。此外，目前缺乏正式的设计导向方法，来测试所提议的映射是否在已知分配机制下与观测数据一致。

2. 方法论
本文提出了一种用于测试和估计暴露映射的设计导向框架（design-based framework），该框架依赖于处理分配的随机化（或准随机化）作为唯一的随机性来源。潜在结果被视为对于实验样本是固定的。

• 暴露充分性与正交性（Exposure Sufficiency and Orthogonality）： 核心理论见解是，一个正确指定的暴露映射 $g(W; X_i, \theta_0)$ 意味着具有暴露充分性属性：在给定暴露 $g(W; X_i, \theta_0)$ 的条件下，分配向量 $W$ 的剩余细节不再携带关于结果 $Y_i$ 的额外信息。这意味着存在一组正交条件（矩限制）。具体而言，对于任何结果变换 $\phi$ 和设计函数 $\psi$，在真实参数 $\theta_0$ 处，“设计侧残差” $R_{i,\theta}\psi(W) = \psi(W) - E[\psi(W) | g(W; X_i, \theta)]$ 与 $\phi(Y_i)$ 是正交的。
• 设计侧残差化（Design-Side Residualization）： 作者通过“重新中心化”设计函数来构建这些矩。条件期望 $E[\psi(W) | g(W; X_i, \theta)]$ 是利用已知的分配分布 $D_n$（通过模拟或枚举）计算得出的，这不需要对结果模型做出任何假设。
• 估计与测试：
  • 估计： 通过广义矩估计法（GMM）估计调节参数 $\theta$，即通过最小化样本矩的二次型。
  • 设定检验： 当系统是过度识别的（矩的数量多于参数数量）时，设计导向的 $J$-检验用于评估所提议的暴露映射是否与分配设计一致。拒绝原假设表明剩余的分配变动仍具有预测性，暗示映射设定错误。
• 大样本理论： 本文建立了在存在空间和网络依赖情况下的 GMM 估计量的相合性和渐近正态性，利用了亲和集依赖框架（affinity-set dependence framework）（Chandrasekhar etar., 2023）。该框架可以容纳平滑核（如引力模型）和非平滑设定（如环形半径）。作者推导出了单位级乘积残差化矩类的效率界，并证明了具有增长字典的筛分 GMM（sieve GMM）估计量可以达到该界。
• 两阶段推断： 该框架通过使用堆叠 Z-估计量（stacked Z-estimator）的方法，将估计的暴露映射 $\hat{\theta}$ 的不确定性传播到下游政策估计量（如平均处理效应或乘数）中，从而确保标准误既反映了实验变动，也反映了设定不确定性。

3. 主要贡献

• 形式化暴露映射的选择： 本文提供了第一个用于正式测试和估计暴露映射参数的设计导向方法论，超越了非正式的敏感性分析。
• 设计导向的正交性： 引入了一种新颖的“设计侧残差化”策略，该策略可以生成用于测试暴露充分性的有效矩条件，而无需依赖结构化的结果模型。
• 依赖性下的稳健推断： 在复杂的空间和网络依赖环境下，为 GMM 估计量建立了统一的相合性和渐近正态性，涵盖了平滑和非平滑的暴露映射。
• 效率特征化： 本文刻画了单位级矩类中的效率界，并证明了可行的筛分（sieve）估计量可以达到该界。

4. 实证结果
该框架应用于两个大规模反贫困项目：

• Muralidharan 等人 (2023) (印度 NREGS)： 该研究考察了基于固定 20 公里半径的环形暴露度量下的公共工程改革溢出效应。

  • 结果： 设计导向的过度识别检验未拒绝环形设定。数据选择的半径（对于总收入约为 23.7 公里）与原始的 20 公里选择非常接近。
  • 启示： 原始的制度性选择得到了数据的支持；即使在估计半径的情况下，关于收入增长主要来自非计划收入（一般均衡效应）的核心结论依然稳健。

• Egger 等人 (2022) (肯尼亚 GiveDirectly)： 该研究分析了使用 2 公里半径的现金转移支付溢出效应。

  • 结果： 设计导向的检验拒绝了所有核心结果的原始 2 公里支持。最小的未被拒绝的支持范围通常为 4–6 公里。
  • 启示： 用设计选择的指数替换原始的 2 公里环形，会显著改变政策结论。估计的局部财政转移乘数从原始的 2.5 降至 1.57，这与 Walker 等人 (2024) 的结构模型预测（1.54）高度吻合。这表明原始的 2 公里半径对于捕捉市场层面的环境溢出效应而言过于局部。

5. 重要性与主张
本文声称提供了一种严谨的替代方案，不再将暴露映射视为研究者固定的选择。通过将映射视为设计导向推断的对象，该框架可以：

1. 验证当经济动机明确的映射与随机化一致时，其有效性。
2. 检测并指导修正当选定的设定与数据不一致时的情况（如肯尼亚的应用所示）。
3. 传播不确定性，将暴露设定的不确定性传播到下游政策估计中，防止因将 $\theta$ 视为已知而导致的对标准误的低估。

作者强调，其方法并不声称能针对所有可能的替代方案识别出“真实的”干扰结构（注意到 Gao 等人 (2026) 的不可能结果），而是提供了一个在应用研究常用的参数类内可测试的限制。该框架允许研究人员利用已知的随机化设计来约束暴露映射的选择，从而确保政策推断对于所选的函数形式或参数是稳健的。