社区事务：卫生干预的不同影响

信任是衡量家庭对邻居信任程度的平均社区得分。社会资本家以家庭参与社区活动为基础，构建了类似的社会资本。我们采用了民族语言分裂（ELF）研究中使用的测量方法来捕捉宗教分裂，因为我们的研究样本在种族上是同质的，但在宗教上却非常不同。这些措施的详细定义及其分布见附录A.2。我们发现，60%的宗教分裂率高于阿莱西纳2003年分馏数据集中记录的70%的国家，人们在某种程度上信任他们的邻居（即0到2的等级约为0.9）。最后，与家庭平均水平一致，我们学生组的平均厕所拥有率为36.2%。所有社区特征在治疗和控制方面都是平衡的。3评估方法我们使用基于分组随机分配的ITT设计，评估CLTS对我们的主要结果开放式排便实践的影响。我们比较了发展中国家家庭调查中经常得出的家庭资产项目的详细清单，因为它们往往比家庭收入的衡量更精确。聚合指数的平均值为零，标准偏差为1。Michalopoulos（2013）提出的证据表明，财富和夜光强度有着强烈的相关性。平均社会资本和社区财富在结构上接近于零。意向治疗设计提供了有关重要参数的信息，通常比基于治疗接受度的估计更具外部有效性，因为完美的干预措施很少。

正如Abramovsky等人所述，在t期居住在社区（集群）c的家庭i中，通过治疗分配，开放式排便实践：yict=α+γTc+Xic0β+θyic0+ωg+δt+ict（1），社区层面的CLTS治疗状态由Tc确定。包括住户及其户主的基线特征Xic0，以最大限度地提高精度，并解释基线时观察到的住宅区规模不平衡。为了过滤未观察到的区域效应和同期冲击，我们包括LGA和测量波浪固定效应ω和δt。感兴趣的参数γ捕获了CLT的平均影响。我们对结果变量yic0基线值的首选规格条件。当预处理信息可用且结果随着时间的推移具有很强的相关性时，在实验环境中，ANCOVA的结果估计比差异和简单差异估计更有效（McKenzie（2012））。此外，我们还提供了传统的差异估计。为了研究异质影响，我们扩展了方程（1）中的规格：yict=α+γrTc+γd（Tc×CCc）+φCCc+Xic0β+θyic0+ωg+δt+ict（2）我们引入了一个描述社区特征的二元变量CCc，如社区财富，将我们的社区样本沿其中值分割，并包括交互项Tc×CCc。γRis是较富裕的一半社区（即CCc=0的社区）的平均CLTS治疗效果，γdis是富裕社区和贫穷社区（即CCc=1的社区）之间的治疗效果差异。我们样本中的社区通常位于尼日利亚社区财富分布的中间位置（第四到第七个十分位）（见附录D），而不是在塔里。因此，与尼日利亚的分布相比，社区既不富裕也不贫穷。

我们（2016年）讨论，虽然接触了所有社区的领导人，但由于参加计划活动的社区成员数量不足，18个社区（占所有治疗社区的14%）没有举行触发会议。在一个成功的随机方案中，正如我们的研究（见表2），ITT设计对指定给治疗的样本的干预平均影响产生无偏估计。出于稳健性目的，附录B显示，我们的研究中没有选择性触发的证据。此外，我们遵循Imbens和Angrist（1994）和Angrist和Imbens（1995）以及仪器触发治疗和治疗分配。结果与ITT估计值非常相似（见附录B）。为了便于描述，只需在正文的其余部分将我们研究社区的上（下）一半表示为“富裕”（贫穷）社区，因为我们在异质影响分析中同时测试了多个假设，所以我们在括号中报告了根据家庭误差率调整的p值。我们使用Romano和Wolf（2005）提出的方法计算这些数据。括号中显示了从每个点估计的单个显著性测试中获得的原始或未经调整的p值，通过抽取1000个集群自举样本进行计算。4结果4.1平均影响我们在表3中显示了对OD实践的平均影响估计。如果至少有一名四岁以上的家庭成员执行OD（第1-3列），则第一个因变量adummy等于1；如果主要受访者执行OD（第4-6列），则第二个a虚拟变量等于1。第1-2（4-5）列显示了无（有）家庭特征的差异估计的差异。第3列和第6列显示了方程式1中描述的ANCOVA规范，包括家庭特征。A组汇集了三次后续调查的观察结果。

我们发现，在所有规格和两种OD测量中，CLTS持续降低ODS。然而，行为改变的幅度很小（约3pp）。正如预期的那样，各规格的估计系数相同，但考虑滞后因变量时，精度最高。这是我们的首选规范，我们拒绝了两种OD测量在10%水平上零影响的无效假设：暴露于CLT导致OD减少3个百分点。如第2.4节所述，由于厕所维护中可能存在撤资，或OD的短期行为变化，CLTS影响可能不会随着时间的推移而持续。因此，考虑到CLTS实施后大约8（FU1）、24（FU2）和32（FU3）个月的影响估计，我们调查了影响的时间动态。表3的B组显示，值得注意的是，第一次后续调查中没有提出这个问题，表示为FU1。表3CLTS对开放性排便的影响结果=1如果：任何成员的OD主要受试者的OD（1）（2）（3）（4）（5）（6）面板A-混合冲击SCLTS（γ）-0.03-0.03-0.03-0.04-0.03p-值（0.26）（0.16）（0.06）（0.22）（0.13）（0.04）面板B-动态冲击SCLTS x FU 1（γ）-0.04-0.04-0.04p-值（0.16）（0.11）（0.04）CLTS x FU 2（γ）-0.04-0.04-0.04-0.03-0.04-0.03p-值（0.18）（0.11）（0.06）（0.23）（0.14）（0.09）CLTS x FU 3（γ）-0.03-0.03-0.02-0.03-0.03p-值（0.41）（0.31）（0.15）（0.42）（0.34）（0.22）ANCOVA否否否否否YesHousehold控制否是否YesDV控制均值（EL）0.49 0.49 0.48 0.48否。社区246 246 246 246 246 246 246否。观察结果8786 8518 8518 13233 12830 12697注：任何家庭成员的OD患病率（第1-3列）仅包括四岁以上的成员，未在第一次后续调查波中进行测量。

户主控制：户主的年龄、年龄平方、性别、受教育程度和就业状况；如果农业是家庭的主要经济活动，那么家庭规模、财富资产得分和虚拟变量等于1。标准错误在社区级别聚集。p值显示在括号中。在整个研究期间，震级相似，并且对第一次和第二次后续波具有统计意义。这些估计表明，在CLTS之后的八个月内，短期内OD会减少。这种减少在实施干预措施后的两年内持续，但随后逐渐消失。4.2社区间的异质影响CLTS是作为社区层面的参与性干预措施设计和实施的，旨在带来集体变革。这就提出了一个问题，即社区特征是否会阻碍或促进干预效果。尽管CLT目前很受欢迎，但仍缺乏实验证据表明CLT在何处以及在何种条件下工作。如果CLT在某些情况下更有效（或仅有效），成功的目标定位需要了解最能预测其效果的特征。CLTS手册是一本从业人员指南，借鉴了16个国家的现场经验，表明CLTS对卫生结果的影响可能取决于治疗社区的社会经济地位（SES）（Kar和Chambers，2008）。它认为，成功实施CLT的可能性更大，因为农村社区规模较小，文化和社会同质，位于偏远地区，OD患病率较高。此外，Cameron等人（2019年）强调社区的社会资本是CLTS影响的关键促进者。

实验经济学领域的研究得出了类似的结论，强调了在公平和利他主义等概念差异的决定因素中，社区参与者比个人层面差异的重要性（Henrich et al.，2001，2006），这一结论也是在尼日利亚的背景下得出的（Gowdyet al.，2003）。根据这些假设，我们确定了四个广泛的当地社会经济状况指标，这些指标可能会调解CLTS的影响。在第2.4节中，我们介绍了社区财富作为当地社会经济地位（SES）的一个广泛可用的综合代表。我们探讨了CLTS是否会受到SES替代指标的影响，并使用了三个额外的替代指标：i）夜间光照强度，ii）种群密度，以及iii）隔离。这四个特征之间的成对相关性表明，贫困社区，即财富中值以下的社区，实际上往往偏远、人口密度较低，且光照活动较低（见表4）。然而，一些成对的相关性相对较低，这表明每一项指标都可能反映社会经济状况的不同方面。例如，虽然人口密度和隔离度似乎高度相关（rho=-0.58），但社区资产财富与平均夜光强度之间的相关性较低（rho=0.16）。此外，我们还测试了基线厕所覆盖率较低的社区的调整幅度是否较高，从而使他们更容易受到CLT的影响。

正如预期的那样，表4显示，SES措施水平越高，社区层面的厕所覆盖率越高。表5给出了异质影响估计值，以百分点变化表示。附录A.2中提供了所有四项措施的详细信息。请注意，隔离度和密度之间的反比关系表明，较高的人口密度与距离最近的LGA首都较短的距离有关。表4社区层面SES测量值的成对相关性资产财富夜灯密度隔离厕所覆盖率资产财富1---夜灯0.1579 1--密度0.2524 0.4519 1-隔离-0.3434-0.4871-0.5762 1厕所覆盖率0.5459 0.2211 0.3523-0.3273 1社区数量247注：社区SES四个备选测量值的成对相关性。关于我们如何构建这些措施的详细信息，请参见附录A。在OD中，使用汇总样本计算。结果变量反映了主要受访者的sOD实践，因为这一结果是在所有调查波中衡量的。每一列显示了四个社区级SES指标之一和基线厕所覆盖率的异质性影响，这些指标沿样本中位数进行了划分。例如，在第1列中，我们根据社区的财富得分对社区进行排名。财富得分等于或高于中位数的社区被定义为“高资产财富”社区（CCc=0），而其余社区被分类为“低资产财富”社区（CCc=1）。该表显示了规格2的γ和γdF的回归估计值，以及两者的线性组合，以便于比较。表5显示了我们对社区SES的四个代理测量的惊人一致的异质CLTS影响。

在资产财富低、夜光强度低、家庭密度低的社区或远离行政首都的社区（即高度隔离，请注意此处的规模逆转），CLTS将OD患病率降低了7-9个百分点。这些社区的影响点估计值是平均值的两到三倍（表3），并且在终点线处仍然显著。相比之下，我们发现，在较富裕的社区，无论我们是通过资产财富、夜光强度、密度还是隔离度（见第一行，第1-3列和第二行，第4列）来替代，统计上不显著的影响估计值均为零。表5第三行给出了样本两半之间CLTS影响差异的点估计值，即估计参数γdin方程（2）。我们拒绝了CLTS对财富中值以下和以上社区的影响相同的假设，并发现贫富社区之间CLTS影响的差异为10个百分点（见第1列）。同样，根据表5社区经济状况和CLTS对ODDep的影响中的原始p值，我们拒绝所有SES措施。变量：主要受访者在BL执行ODCommunity Characteristic（CC）：资产财富夜灯密度隔离卫生间覆盖率（1）（2）（3）（4）（5）CLTS×高（γr）0.01 0.00-0.07-0.01p值（朴素）（0.50）（0.86）（0.73）（0.01）（0.50）p值（MHT稳健）[0.93][0.93][0.93][0.05][0.93]CLTS×低（γr+γd）-0.09-0.07-0.08 0.00-0.05p值（朴素（0.01）（0.01）（0.01）（0.01）（0.98）（0.09）p值（MHT稳健）[0.02][0.06][0.03][0.98]（0.42）差异（γd）-0.10-0.07-0.09 0.07-0.04p值（原始）（0.00）（0.02）（0.01）（0.03）（0.26）p值（MHT稳健）[0.04][0.24][0.10][0.26]（0.92）DV control mean（EL，高）0.36 0.39 0.41 0.57 0.34DV control mean（EL，低）0.62 0.57 0.57 0.40 0.66号。

TUs 246 246 246 246 246编号。obs的。12697 12697 12697 12697 12697注：表3所列家庭和户主特征的所有规格控制。错误集中在社区层面。括号中显示的原始（未调整）p值。在括号中，我们展示了根据Romano和Wolf（2005）的家庭误差率调整的NTP值，使用1000个集群引导样本，并对表5、8和9中所示的所有回归进行联合估计。水平或更低。通过多重假设检验，我们拒绝了财富的假设，也拒绝了密度的假设。这些结果表明，CLT确实对具有与低SES相关的不成熟特征的亚样本社区有效。资产财富与基线厕所覆盖率高度相关。因此，表5第1-4列中我们的发现的一个可能解释是，我们正在收集初始厕所覆盖率的差异，后者是CLTS异质性的更相关维度。事实似乎并非如此。在第5列中，我们发现，在初始厕所覆盖率较低的地区，CLTS对OD的影响为4ppstronger。这比我们使用任何SES代理发现的要小，与零没有显著差异。因此，与厕所覆盖率相比，四个SES指标，尤其是资产财富，是了解CLT有效性的更具信息量的指标。贫困社区对OD行为的显著影响可能是由卫生行为的直接改变（即厕所使用）或卫生投资的增加造成的。使用第2.4节中所述的厕所存量、流量和质量的详细衡量标准，我们将downsanitation投资分为两个部分。首先，CLTS可能促进了对新厕所的投资，增加了厕所的覆盖率（及其使用）。

其次，在基线拥有厕所的家庭可能在维护和保养方面投入了更多资金。这将增加可用厕所的存量，减少厕所存量的折旧。CLT也可能直接改变了卫生行为，要么通过增加厕所使用量（以所有权为条件），要么通过增加共享使用量，即当主要响应者宣布使用共享厕所时（例如，由邻居、公共厕所或学校或工作场所的厕所所有）。表6CLTS对厕所所有权和使用收益的影响=1如果：拥有厕所拥有功能性厕所使用（如果功能性）共享使用（1）（2）（3）（4）面板A-集合影响CLTS（γ）0.02 0.03 0.00 0.01p值（朴素）（0.25）（0.07）（0.83）（0.25）p值（MHT稳健）[0.55][0.21][0.83][0.55]面板B-社区财富集团CLTS x富（γr）-0.03-0.02-0.01 0.01p值（朴素）（0.10）（0.10）0.25）（0.41）（0.02）p值（MHT稳健）[0.23][0.42][0.42][0.07]CLTS x差（γr+γd）0.08 0.10 0.03-0.00p值（朴素）0.01 0.01 0.16 0.99p值（MHT稳健）[0.01][0.01][0.31][0.99]差异（γd）0.11 0.12 0.05-0.02p值（朴素）（0.00）（0.11）（0.37）p值（朴素）MHT稳健）[0.01][0.01][0.20][0.37]DV对照均值（EL，富）0.47 0.46 0.57 0.04DV对照均值（EL，贫）0.24 0.240.44 0.02号。社区246 246 245 246否。观察结果12497 12497 7113 12697注：表3中列出的住户和户主特征的所有规格控制。p值显示在括号中。根据Romano和Wolf（2005），使用1000个集群引导样本，在社区级别对标准错误进行聚类，并根据家庭智能错误率进行调整。表6列出了环卫投资和共享使用的影响估计，显示了A组的汇总结果和B组的异质影响估计。