Dynamic Local Average Treatment Effects

本文考虑一侧非遵从的动态治疗方案（DTRs），这种方案在数字推荐和适应性医学试验等应用中出现。这些是决策者鼓励个体随时间接受治疗的设置，但根据先前的鼓励、治疗、状态和结果来调整鼓励。重要的是，个体可能会基于未观察到的混淆因素选择（不）遵从治疗建议，无论何时都可以提供治疗建议。我们为动态局部平均治疗效应提供了非参数识别、估计和推断，这是适当定义的遵从者亚群体之间的多期治疗对比的期望值。在工具变量和DTR文献的标准假设下，我们展示了可以识别与任何单个时间步骤提供治疗相对应的对比的局部平均效应。在额外的跨期效应-遵从独立假设下，该假设在分阶段采用设置和我们定义的分阶段遵从设置中得到满足，我们确定了在多个时间段内治疗的局部平均治疗效应。

本论文旨在解决动态治疗方案中的一侧非遵从性问题，该问题在数字推荐和自适应医学试验等应用中经常出现。

本文提供了非参数识别、估计和推断动态局部平均治疗效应的方法，这是适当定义的遵从子人群的多期治疗对比的预期值。

本文提出了一种解决多期治疗的交叉期效应问题的方法，并对该方法进行了验证。实验使用了模拟数据集，证明了该方法的有效性。

在仪器变量和DTR文献中，有一些标准假设，本文在这些假设的基础上进行了研究。在Staggered Adoption设置和其一般化Staggered Compliance设置中，本文提出了一种识别多期治疗的局部平均治疗效应的方法。