跳转至

Global Average Treatment Effects for Individualized Randomization Experiments with Aggregate Data

作者: Shuguang Yu, Ting Li, Yuchen Lu, Chengchun Shi, Fan Zhou, Zhichao Zou, Peng Zhen, Hongtu Zhu
主题: 因果推断
相关性: 7/10
链接: https://arxiv.org/abs/2605.26532


一、领域脉络与小综述

这个方向是什么

本文研究的根本问题是:在双边市场(two-sided marketplace)的个性化随机实验(individualized randomization experiments, IREs)中,当存在跨单元干扰(cross-unit interference)和时间干扰(temporal interference),且只能获得聚合数据(aggregate data)时,如何识别和估计全局平均处理效应(Global Average Treatment Effect, GATE)。这里的"全局"指的是将处理推广到整个市场(full-scale deployment)时的平均效应,而非仅在实验子样本中的效应。该子方向处于因果推断与在线实验设计的交叉地带,成熟度属于正在快速发展的阶段——已有大量关于网络干扰和时序干扰的独立研究,但将两者结合并限制在聚合数据下的工作极少。

发展脉络(history)

奠基工作:SUTVA 与干扰问题的提出。 经典因果推断框架建立在 Rubin [1980] 的 SUTVA 假设之上,即"一个单元的结果不受其他单元处理的影响"。双边市场的出现使这一假设几乎必然失效。Halloran and Hudgens [2016] 的综述系统梳理了"依赖事件"(dependent happenings)下的因果推断问题,指出当个体间存在交互时,需要重新定义处理效应。Basse and Airoldi [2018] 则从理论层面证明:在任意网络干扰下,设计-based 的因果推断可能根本无法识别处理效应——这为后续工作划定了"需要额外结构"的边界。

主要进展一:网络干扰下的估计。 Sävje et al. [2021] 研究了未知干扰下的处理效应估计,证明在有限但任意的干扰下,常用估计量仍可能一致,但置信区间可能不准确。Li and Wager [2022] 引入随机图模型,在暴露映射(exposure mapping)框架下给出了网络干扰下直接效应和间接效应的估计方法。Masoero et al. [2026] 提出"多重随机化设计"(Multiple Randomization Designs),在局部干扰假设下给出了有限样本性质的估计量。这些工作共同确立了"干扰必须结构化"这一共识——要么限制干扰的传播范围(局部性),要么假设干扰通过某种可观测的聚合量(如处理比例)起作用。

主要进展二:时序干扰与 switchback 设计。 Bojinov et al. [2023] 系统研究了 switchback 实验(交替开关处理的实验设计),在无跨单元干扰但存在时间相关性的设定下推导了最优设计。Hu and Wager [2022] 进一步在几何混合(geometric mixing)的马尔可夫过程中分析了 switchback 实验的偏差-方差权衡,发现标准 switchback 设计的估计误差以 T^{-1/3} 衰减,而通过合理设置 burn-in 期可提升至接近 T^{-1/2}。Luo et al. [2024] 将变系数决策过程(Varying Coefficient Decision Process, VCDP)引入政策评估,为处理时间变化的处理效应提供了建模框架。

主要进展三:双边市场中的干扰校正。 Johari et al. [2022] 建立了双边平台实验设计的分析框架,指出在供需匹配的市场中,处理组和对照组通过共享的供给池产生干扰。Farias et al. [2023] 在抖音的案例中展示了如何用"Differences-in-Qs"技术校正干扰偏差。Liu and Hou [2023] 提出的 UniTE 方法通过 Robinson 分解估计双边市场中的条件平均处理效应,是本文最直接的竞争对手——但它需要个体层面的交易数据。

本文的位置:在上述脉络中,本文填补的缺口是"聚合数据 + 动态干扰"的组合。已有工作要么假设个体数据可得(Liu and Hou [2023]),要么假设干扰是静态的(Sävje et al. [2021]),要么只处理时序干扰而无跨单元干扰(Hu and Wager [2022])。本文首次在仅观测组级聚合数据的条件下,通过供需动态建模同时处理两类干扰,并给出 GATE 的识别、估计和检验程序。

子线索聚类

  1. 干扰的结构化建模:Halloran and Hudgens [2016](综述)、Sävje et al. [2021](未知干扰)、Li and Wager [2022](随机图暴露映射)、Masoero et al. [2026](局部干扰)。这条线索的核心问题是:在什么条件下,干扰下的因果效应可以被识别?
  2. 时序实验设计:Bojinov et al. [2023](switchback 最优设计)、Hu and Wager [2022](几何混合下的 switchback)、Luo et al. [2024](VCDP 模型)。这条线索关注处理效应随时间演化时的估计与推断。
  3. 双边市场中的实验:Johari et al. [2022](双边平台偏差分析)、Farias et al. [2023](抖音案例)、Liu and Hou [2023](UniTE)、Li et al. [2023](最优分配)。这条线索直接面向平台实验场景,强调供需匹配产生的特殊干扰结构。

这个方向在追问的核心问题

  • 识别:在何种干扰结构假设下,仅用聚合数据能否识别 GATE?需要哪些额外的可观测变量或模型假设?
  • 估计效率:聚合数据相比个体数据损失多少效率?能否通过模型结构(如供需动态)弥补信息损失?
  • 推断有效性:在存在时序相关和跨单元相关时,如何构造有效的检验统计量?bootstrap 是否一致?
  • 实验设计:给定干扰结构,如何分配处理比例、选择实验时长以最小化 GATE 估计的方差?

⚠️ 作者的 framing(这是作者的说法)

作者将缺口 frame 为:"现有方法要么需要个体数据(Liu and Hou [2023]),要么局限于 switchback 设计(Luo et al. [2024]),无法处理 IRE 中聚合数据下的动态干扰"。他们声称本文是"第一个基于聚合数据识别 GATE 的工作"。被淡化的竞争路线包括:(1) 个体数据可得的场景——作者承认 UniTE 有效但认为数据不可得是常态;(2) 静态干扰模型——作者认为供需动态是双边市场的本质特征,不可简化。值得注意的缺失:作者没有讨论差分隐私或数据脱敏作为聚合数据替代方案的可能性,也没有引用近期关于"聚合因果推断"(aggregate causal inference)的文献(如关于生态推断的工作),这些可能是值得研究者去查的方向。

张力

未见明显对立引用。但存在一个微妙的张力:Sävje et al. [2021] 表明在未知干扰下估计量仍可能一致,而 Basse and Airoldi [2018] 则证明任意干扰下识别不可能——本文通过假设"干扰仅通过处理比例(fraction treated)起作用"(Assumption 3.1 的均值场结构)来调和这一矛盾,这实际上是对干扰施加了比 Sävje 更强、比 Basse 更弱的条件。


二、最核心、最简单的例子 / 数学问题

第一步:符号、模型、可观测数据

符号清单(逐个点名):

记号 含义 类型
\(n\) 实验天数 样本量指标
\(m\) 每天的时间区间数 样本量指标
\(N_0, N_1\) 对照组、处理组人数 样本量指标
\(N = N_0 + N_1\) 总人数 样本量指标
\(A^d_t \in \{0,1\}\) 第 \(d\) 天第 \(t\) 区间全体受试者的处理状态(组级) 随机变量(设计决定)
\(Y^i_d(t) \in \mathbb{R}\) 受试者 \(i\) 在第 \(d\) 天第 \(t\) 区间的潜在结果 潜在结果(counterfactual)
\(\bar{a}^i_t = (a^i_1, \ldots, a^i_t)^\top\) 受试者 \(i\) 截至第 \(t\) 区间的处理历史 潜在处理历史
\(\bar{a}_{N,t} = (\bar{a}^1_t, \ldots, \bar{a}^N_t)\) 全体受试者的联合处理历史 潜在处理历史
\(Y^i(t, \bar{a}_{N,t})\) 在联合处理历史 \(\bar{a}_{N,t}\) 下的潜在结果 潜在结果
\(S(t, \bar{a}_{N,t-1})\) 第 \(t\) 区间的市场状态(如供给量),依赖于前期处理历史 潜在状态变量
\(f(j)\) 第 \(j\) 区间处理组人数占比 可观测聚合量
\(Y_{d,C_k}(t)\) 第 \(k\) 组在第 \(d\) 天第 \(t\) 区间的平均结果 可观测(组级聚合)
\(X_{d,C_k}(t) \in \mathbb{R}^p\) 第 \(k\) 组的平均协变量 可观测(组级聚合)
\(S_{d,C_k}(t) \in \mathbb{R}^q\) 第 \(k\) 组的市场状态变量 可观测(组级聚合)
\(D_{d,C}(t)\) 组 \(C\) 的需求量 可观测(组级)
\(S_d(t)\) 平台总供给量 可观测(平台级)
\(G_d(t) = \max\{\text{Demand}_d(t) - \text{Supply}_d(t), 0\}\) 供需缺口 可观测(由前两者导出)
\(\alpha_{0,C}(t), \alpha_{1,C}(t), \alpha_{2,C}(t)\) 结果模型(6)中的时变系数 待估参数
\(\gamma_{0,C}(t), \gamma_{1,C}(t), \Phi_{0,C}(t), \Phi_{1,C}(t)\) 状态模型(7)中的时变系数 待估参数
\(\epsilon_{d,C}(t), E_{d,C}(t+1)\) 结果与状态的随机扰动 随机误差
GATE 全局平均处理效应,见式 (1) 目标 estimand

模型(数据生成机制):

  • 结果模型(式 6):

    \[Y_{d,C}(t) = \alpha_{0,C}(t) + \alpha_{1,C}(t)^\top X_{d,C}(t) + \alpha_{2,C}(t)^\top S_{d,C}(t) + \epsilon_{d,C}(t)\]

  • 状态模型(式 7):

    \[S_{d,C}(t+1) = \gamma_{0,C}(t) + f_d(t)\gamma_{1,C}(t) + \Phi_{0,C}(t)\tilde{X}_{d,C}(t) + \Phi_{1,C}(t)S_{d,C}(t) + E_{d,C}(t+1)\]

可观测数据:对每个组 \(C \in \{C_0, C_1\}\)、每天 \(d\)、每个区间 \(t\),观测到: - 组平均结果 \(Y_{d,C}(t)\) - 组平均协变量 \(X_{d,C}(t)\) - 组级市场状态 \(S_{d,C}(t)\)(含需求 \(D_{d,C}(t)\) 和供给 \(S_d(t)\)) - 处理比例 \(f_d(t)\)

不可观测:个体层面的结果 \(Y^i_d(t)\)、个体协变量、个体处理状态。

第二步:最小内核

剥掉所有一般性假设后,本文的核心数学问题是:

假设只有两个组(处理组 \(C_1\)、对照组 \(C_0\)),每个组在每个时间区间 \(t\) 只有一个聚合观测值 \(Y_{C_k}(t)\)。处理组接受新政策(\(A=1\)),对照组接受旧政策(\(A=0\))。两组通过共享的供给池 \(S(t)\) 相互影响——处理组的额外需求会减少对照组可用的供给,从而降低对照组的产出。仅凭这两条聚合时间序列,能否识别出"如果全市场都接受新政策"时的平均结果与"全市场都接受旧政策"时的平均结果之差?

最小例子(\(m=2\) 个时间区间,\(n\) 天重复):

  • 第 1 区间:两组独立运行,无跨组干扰(\(S\) 充足)
  • 第 2 区间:供给紧张,处理组的额外需求挤占了对照组的供给

识别策略的核心逻辑:

  1. 用状态模型(7)预测反事实状态:在"全市场处理"(\(f=1\))和"全市场对照"(\(f=0\))两种反事实下,分别用估计出的 \(\gamma\) 系数递推预测 \(S(t)\) 的轨迹。
  2. 用结果模型(6)计算反事实结果:将预测出的反事实状态代入结果模型,得到每个组在反事实状态下的期望结果。
  3. GATE 即两种反事实下全市场平均结果之差。

为什么能识别? 关键在于 Assumption 3.1(动态局部干扰):结果只依赖于自己的处理状态和当前的市场状态(通过 \(S(t)\) 汇总),而不依赖于其他个体的具体身份。这使得组级聚合数据足以刻画干扰机制——因为干扰完全通过 \(S(t)\) 这个低维充分统计量传导。

数学上最吃劲的地方:状态模型(7)中 \(S(t+1)\) 依赖于 \(S(t)\)(自回归结构),因此反事实预测需要递推。如果 \(\Phi_1\) 的谱半径接近 1(近单位根),预测误差会随 \(t\) 指数放大。作者通过 Assumption D.4(\(\|\Phi_1\|_\infty \le c_1 < 1\))保证平稳性,但实际数据中这一假设是否成立需要检验。

证明的最小骨架(对应 Proposition 3.5): - 由一致性(Assumption 3.2)和序贯可忽略性(Assumption 3.3),观测组均值等于给定历史下的条件期望。 - 由动态局部干扰(Assumption 3.1),条件期望可写成 \(R(a, \{S(j), f(j)\}_{j \le t})\) 的形式。 - 因此 \(R\) 可从观测数据中识别(式 4)。 - GATE 通过对 \(R\) 在反事实状态轨迹下求期望得到(式 5)。


三、这篇论文做了什么

三句话

  1. 研究了什么问题:在双边市场(以网约车平台为例)的个性化随机实验中,当存在跨单元干扰(通过供需动态传导)和时间干扰(处理效应随时间演化),且仅能获得组级聚合数据时,如何识别、估计和检验全局平均处理效应(GATE)。
  2. 核心工具/方法:提出 IRE-VCDP(Individualized Randomization Experiment - Varying Coefficient Decision Process)模型,将结果方程与状态方程分离建模,干扰通过供需缺口 \(G(t)\) 和供给 \(S(t)\) 进入模型;估计采用逐点最小二乘 + 核平滑的两步法;推断采用 multiplier bootstrap。
  3. 主要结论:在动态局部干扰、序贯可忽略性和平稳性假设下,GATE 可由聚合数据识别;所提检验在模拟中控制了第一类错误且功效优于 t 检验、DiD 和 DE 估计器;在网约车平台真实数据中,新补贴政策在中小城市有正向 GATE(小城市 p=0.078),在大城市不显著。

关键设定与假设

  • Assumption 3.1(动态局部干扰):潜在结果只依赖于自身处理状态和市场状态(通过 \(S\) 汇总),不依赖于其他个体的具体身份。这比"局部干扰"(只依赖邻居)更强,但比"任意干扰"(Basse and Airoldi 2018 证明不可识别)弱得多。统计含义:干扰通过低维充分统计量 \(S(t)\) 传导,使得聚合数据足以识别。
  • Assumption 3.2(一致性):观测结果等于实际处理下的潜在结果。标准假设,无特别之处。
  • Assumption 3.3(序贯可忽略性):给定历史,当前处理与潜在结果独立。在随机化实验中自动满足,但注意这里要求给定观测历史(包括过去的 \(Y\) 和 \(S\))后的条件独立,比静态可忽略性更强。
  • Assumption 3.4(积极性):处理概率有界远离 0 和 1。随机化设计下自动满足。
  • Assumption D.1-D.4(技术性):核函数 Lipschitz、协变量 sub-Gaussian、系数二阶可导、\(\|\Phi_1\|_\infty \le c_1 < 1\)(平稳性)。其中 D.4 最关键——它保证反事实状态预测不会发散。

相比已有工作的变化: - 相比 Liu and Hou [2023](UniTE):放宽了数据要求(聚合 vs 个体),但加强了模型假设(线性状态方程 + 均值场干扰)。 - 相比 Luo et al. [2024](VCDP for switchback):扩展了实验类型(从 switchback 到 IRE),但限制了干扰结构(从一般时序依赖到通过 \(S(t)\) 传导)。

主要结果

识别(Proposition 3.5):在 A1-A4 下,GATE 可由观测聚合数据识别。证明分两步:先证 \(R\) 可由条件期望识别,再用迭代期望将反事实结果转化为可观测量的函数。

估计(式 9-10):GATE 的闭式表达式(Proposition 4.1)包含三项: 1. 直接效应:\(\sum_t (\alpha_{0,C_1}(t) - \alpha_{0,C_0}(t))\)(处理组与对照组截距差) 2. 协变量交互:\(\sum_t \bar{X}_N^\top(\alpha_{1,C_1}(t) - \alpha_{1,C_0}(t))\) 3. 状态传导效应:涉及 \(\alpha_2\) 与状态方程系数的复杂递推项

估计采用两步法:第一步逐点 OLS 估计 \(\hat{\theta}_C(t)\);第二步核平滑 \(\tilde{\theta}_C(t) = \sum_j \omega_{j,h}(t) \hat{\theta}_C(j)\)。

推断(Theorem 5.1):multiplier bootstrap 的一致性,误差界为 \(\tilde{C}(n^{-1/8} + n^{1/2}h^2 + n^{1/2}m^{-1})\)。带宽条件 \(h = o(n^{-1/4})\)、\(m \asymp n^{c_2}\)(\(1/2 < c_2 < 3/2\))、\(mh \to \infty\) 平衡三项误差。

模拟结果:在真实数据驱动的模拟中,所提方法在 \(n=14\) 和 \(n=28\) 天时均控制了第一类错误,功效随 \(\eta\)(效应大小)增加;t 检验和 DiD 因忽略干扰而功效低或第一类错误失控。

真实数据:网约车平台 21 天实验,小城市 GATE 估计为正且 p=0.078(10% 水平显著),中大城市不显著;作者将此解释为新补贴政策在供给弹性较小的城市更有效。

🔎 结论是否比证明窄

是,存在明显的不匹配:

  1. Theorem 5.1 的证明依赖线性状态方程(7),但 Proposition 3.5 的识别结果只要求存在某个 \(R\) 函数,并未限定线性形式。作者在正文中声称"IRE-VCDP 模型"是通用的,但证明只覆盖了线性情形。具体位置:式 (7) 的线性设定 vs. 式 (3) 的一般 \(R\) 函数。

  2. bootstrap 一致性是在"估计方程正确"的前提下证明的。Theorem 5.1 的误差界中,\(\tilde{C}\) 依赖于模型设定正确。如果真实数据生成机制偏离线性状态方程(如供需匹配存在非线性阈值效应),bootstrap 的覆盖概率可能不达标。作者在模拟中只考虑了线性生成过程。

  3. GATE 的闭式表达式(式 9)假设了状态方程的递推可逆性(即 \(\Phi_1\) 可逆)。如果 \(\Phi_1\) 奇异(某些状态变量冗余),表达式需要修改,但作者未讨论。

  4. 真实数据应用中没有报告置信区间,只有 p 值;且没有与个体数据方法(如 UniTE)在同一数据上的对比——因为个体数据不可得,这可以理解,但削弱了"优于现有方法"的说服力。

四、开放问题

  1. 非线性状态动力学:当状态方程(7)为非线性时(如供需匹配存在容量约束、阈值效应),GATE 是否仍可识别?需要什么额外条件?(扎根于:式 (7) 的线性设定是 Theorem 5.1 证明的关键,作者未讨论非线性扩展。)

  2. 聚合数据的信息损失下界:本文证明了聚合数据足以识别 GATE,但未给出效率下界。相比个体数据,聚合数据的最优估计效率损失多少?是否存在 minimax 意义下的最优聚合方式?(扎根于:作者声称"首次基于聚合数据识别 GATE",但未与个体数据方法的效率对比。)

  3. 干扰结构的检验:Assumption 3.1(均值场干扰)是否可检验?如果真实干扰更复杂(如局部网络结构),本文估计量的偏差有多大?(扎根于:Assumption 3.1 是识别的基础,作者未提供任何检验程序。)

  4. 多期实验的最优设计:给定 \(n\) 天、\(m\) 个区间,如何选择处理比例 \(f(t)\) 的时间路径以最小化 GATE 估计的渐近方差?是否存在类似 switchback 最优设计(Bojinov et al. 2023)的结果?(扎根于:作者只研究了固定设计下的估计与检验,未讨论设计优化。)

  5. 平稳性假设的放松:Assumption D.4(\(\|\Phi_1\| \le c_1 < 1\))排除了单位根或爆炸性状态过程。实际平台数据中,供给和需求常呈现强趋势或季节性,此时 bootstrap 是否仍有效?(扎根于:D.4 是 Theorem 5.1 的必要条件,作者未讨论非平稳扩展。)


提醒:要确认上述开放问题是否是真 gap,建议去读以下近期文献的 intro(各约 5 篇):(1) 网络干扰下的因果推断(2023-2025 年 Annals of Statistics / JRSS-B 论文);(2) 双边市场实验设计(Management Science / Operations Research 2023-2025);(3) 聚合数据因果推断(如 ecological inference 的最新进展)。如果这些文献的 intro 都指向同一缺口,那才是值得投入的真问题;如果各说各话,则可能是伪 gap。


Maintained by 陈星宇 · Homepage · Source on GitHub

评论