第1栏中，贫困社区（即表5中资产财富较低的社区）的ODO减少了9个百分点，而厕所拥有量增加了8个百分点，这表明厕所存量增加了。功能性厕所的所有权，即维护库存，增加了10个百分点。这些结果强烈表明，卫生行为的改变是由卫生投资的增加推动的，主要是由于厕所存量的增加（见第2栏）。相比之下，贫困社区现有厕所的使用量（第3列）和共用厕所的使用量（第4列）的增加幅度要小得多，甚至根本没有增加——社区财富对CLT的不同影响在统计上并不显著。附录C.3表明，这些结果对于使用社区社会经济地位的三种替代衡量标准是可靠的。总之，CLT带来的OD减少几乎完全是由于厕所拥有量的增加。自有厕所的使用率较高，约为80%（p值0.19），基线时已经有厕所的厕所与基线数据收集后建造厕所的厕所之间没有统计学差异。图3显示了基线调查后32个月内，贫困和富裕社区的动态CLTS对厕所所有权和露天排便实践的影响。CLTS在较贫穷社区短期内降低了OD，并且随着时间的推移影响持续（浅蓝色）。在三个随访期内，CLT对OD（见左图）和厕所所有权（右图）的估计短期和长期影响在贫困社区中非常稳定。我们得出两个结论：首先，我们的解释是，CLTS导致的OD减少是通过增加劳累所有权实现的，这在动态背景下也成立。

这表明，CLTS通过上厕所在贫困社区持续发挥作用，类似于一次性政策。然而，鉴于厕所投资与改善卫生行为之间的紧密联系，短期内CLTS对贫困社区的影响是可以实现的，长期内是可以持续的。4.3社区财富的作用：稳健性在本节中，我们对我们的异质影响进行了大量稳健性检查，发现财富是CLTS有效性的政策相关边际。为了对厕所所有权的潜在测量误差进行进一步的敏感性分析，我们估计了社区和家庭特征的选择性检查同意的Probit模型。我们发现，如果有什么区别的话，计量误差会使贫富社区之间的差异偏向于零：富裕家庭和富裕社区的家庭更可能拒绝同意，增加了过度报告这一群体所有权的可能性。关键的是，治疗组和对照组之间的拒绝率没有差别，即使按财富水平划分。此外，我们通过将分析限制在给予检查同意的家庭来测试我们估计的稳健性，并发现我们的上述结果几乎没有变化。图3CLTS治疗对OD和厕所所有权的影响随时间的推移注：图表显示了后续调查波和社区层面财富对CLTS影响的点估计。最左侧曲线图中整个样本的结果与表3第6列中的结果相同。表3所列家庭和户主特征的所有规格控制。

强大的标准错误聚集在社区级别。4.3.1功能形式我们基于富人和穷人社区的离散划分，提出了上述不同影响。虽然使用中值作为截断函数是一种标准方法，但我们的结果在定性和定量上对替代函数形式都很可靠。例如，使用社区财富的线性规格，而不是将其离散划分为富裕社区和贫穷社区，我们发现，比中值差一个标准差的被处理社区的inOD减少了10%（详细结果见附录C）。同样，使用社区资产财富的四分位数，我们发现CLTS的影响在统计上显著，并按财富四分位数递减（图4）。他们在统计学上达到了财富中值，对于较高的四分位数，治疗效果为零。图4按社区财富四分位数划分的CLS影响注：按社区财富四分位数划分的CLTS治疗效果系数。表3中列出的所有规格控制住户特征。错误在社区级别聚集。4.3.2社区与家庭层面的异质性您对社区资产财富的衡量是家庭层面信息的汇总。富裕（贫穷）社区往往由富裕（贫穷）家庭组成。然而，家庭和社区财富之间的显著异质性仍然存在：31%的贫困家庭的资产财富高于中值，34%的富裕家庭的财富低于中值。为了了解我们的估计是否只是简单地捕捉到CLTS对贫困家庭（而非贫困社区）更有效，我们从两个方面着手。首先，我们使用表5第1列中的相同回归，但使用家庭财富指标，而不是社区财富指标。

其次，我们对样本进行了拆分，以调查CLT对富裕社区贫困家庭和贫困社区富裕家庭OD的影响。附录C.2表明，与富裕家庭相比，贫困家庭的CLT更有效，但贫富差距的点估计值约为社区财富影响值的一半，在多重假设检验下无统计学意义（见附录表18第1列）。此外，虽然在贫困社区，富裕家庭和贫困家庭都会减少OD，但富裕社区的贫困家庭和富裕家庭之间没有明显的影响或差异（见附录表18第2列和第3列）。这表明，无论家庭在财富分配中的地位如何，CLTS在较贫穷的社区更有效。4.3.3贫富社区的特征贫富社区可能在许多方面有所不同，这些方面可能与CLTS等项目的有效性相关。在表7中，我们通过社区中的社会互动、基础设施的使用和村领导的特点，展示了两组SAT基线之间的差异。社会资本指数似乎与社区财富不相关。然而，与富裕社区相比，贫困社区确实表现出更高水平的社会凝聚力（通过社区层面的信任和宗教分裂来衡量）和更低水平的资产财富不平等。我们在公共基础设施的使用方面也发现了巨大的差异，包括拥有一所当地学校、一所医院和铺设的内部道路。

最后，贫困社区的经验较少，也较少。在表19中，我们还表明，家庭构成或教育不能解释CLT的影响。此外，我们在表格中还列出了我们所称的“家庭特征”，即男性和6岁以下儿童所占的家庭份额。由于这些变量在富裕社区和贫穷社区之间没有区别，我们不再进一步讨论它们。附录A.2中详细介绍了这些措施的构造方法。表7富人和穷人社区的基线特征社区财富群体：社区社会资本指数中的富人-穷人P值社会互动（平均值=0，SD=1）0.117 0.0978 0.88邻居信任度（0-无，2-高，SD=0.40）0.809 0.970 0 0.00***宗教分裂（0-低，1-高）0.642 0.598 0.03**资产财富不平等0.951 0.612 0.00***社区公共基础设施已铺设内部道路（%）57.16 28.91 0.00***有当地医院（%）23.24 3.866 0.00***当地有一所小学（%）72.53 61.18 0.05**村长特征担任村长11.59 9.100 0.04**小学毕业率（%）60.42 42.42 0.00***与政党有关联（%）29.02 33.20 0.47家庭特征男性户主的HHs比例（%）65.25 62.60 0.19 6岁以下儿童的HHs比例（%）29.38 28.70 0.71观察233注：所有变量均在基线测量。样本仅限于基线和所有三次后续调查波中接受采访的家庭。有关家庭和社区层面协变量的详细描述，请参见附录a。*p<0.10，**p<0.05，***p<0.01。受过教育的领导者。我们评估这些维度是否可能是社区财富差异CLTSe效应背后的主要驱动因素。Kar和Chambers（2008）认为社会互动是潜在的驱动因素，Cameron等人。

（2019）发现印尼的CLTS干预在社会资本较高的社区产生了更强的影响。然而，表8中的结果表明，在大多数情况下，如果强大的社会凝聚力提高了项目的有效性，那么分数估计值与预期的方向相反。例如，我们发现，在社会资本较低、高度分裂和不平等的受治疗社区中，OD的减少略强。在所有情况下，在我们的研究背景下，CLT有效性在社会互动维度上的差异与零没有显著差异。表8CLTS对社区层面社会互动部门OD的影响。变量：主要被调查者在BL执行ODCommunity特征（CC）：信任社会资本碎片化不平等（1）（2）（3）（4）CLTS×高（γr）-0.04-0.01-0.04-0.05p值（朴素）（0.11）（0.49）（0.08）（0.10）p值（MHT稳健）[0.53][0.93][0.47][0.53]CLTS×低（γr+γd）-0.03-0.05-0.02-0.02p值（朴素）（0.17）（0.04）（0.30）（0.27）p值（MHT稳健）[0.60][0.26][0.68]【0.68】差异（γd）0.02-0.04 0.02 0.03p值（原始）（0.60）（0.25）（0.56）（0.43）p值（MHT稳健）[0.98][0.92][0.98][0.98][0.98]DV控制平均值（EL，高）0.44 0.49 0.56DV控制平均值（EL，低）0.52 0.53 0.47 0.41No。TUs 246 246 246 246编号。obs的。12697 12697 12697 12697注：表3所列住户和户主特征的所有规格控制。错误在社区级别聚集。

括号中显示的原始（未调整）p值。在括号中，我们根据Romano和Wolf（2005），使用1000个集群自举样本，并对表5、表8和表9中的所有回归进行联合估计，给出了按家庭误差率调整的p值。其次，我们探讨我们的主要结果是否可以用较贫穷社区对基础设施的访问率较低来解释，例如，这可能代表运输成本。此外，由于领导者是实施者的初始联络点，并帮助在他们的工厂组织CLTS会议，领导者的任期和教育可能会发挥重要作用。我们发现，公共基础设施的三个指标（表9，第1-3列）和村长任期或教育（表9，第4列和第5列）都没有不同的CLTS影响。表9CLTS对OD的影响（按社区基础设施和村长特征划分）。变量：主要受访者在BL执行ODPublic goods LeaderCommunity Characteristic（CC）：Road Hospital School Experience Education（1）（2）（3）（4）（5）CLTS×是/高（γr）-0.02-0.04-0.04-0.03p-value（naive）（0.43）（0.06）（0.20）（0.09）（0.23）p-value（MHT稳健）[0.93][0.31][0.74][0.49][0.77]CLTS×否/低（γr+γd）-0.06-0.01-0.03-0.04p-值（原始）（0.01）（0.85）（0.11）（0.17）（0.08）p值（MHT稳健）[0.12][0.98][0.51][0.60][0.40]差异（γd）-0.04 0.03 0.01 0.00-0.01p值（原始）（0.24）（0.43）（0.78）（0.89）（0.65）p值（MHT稳健）[0.92][0.98][0.98][0.98][0.98]DV对照均值（EL，高）0.51 0.49 0.47 0.50 0.53DV对照均值EL，低）0.45 0.40 0.48 0.46 0.43号。TUs 235 233 235 232 232无。obs的。11901 11793 11901 11619 11692注：表3所列住户和户主特征的所有规格控制。错误在社区级别聚集。括号中显示的原始（未调整）p值。

在表5、8和9.4.3.4中所示的所有回归中，我们使用1000个集群自举样本，通过Romano和Wolf（2005）之后的家庭误差率调整p值，并联合估计实施异质性周期是一种相当标准化的干预。尽管如此，我们观察到的异质性影响有可能是干预措施实施差异的结果。Abramovsky等人（2016）在最近基于同一RCT的研究中表明，在与社区财富正相关的人口密度较高的地区，触发会议的CLT更容易失败，根本无法进行。由于没有召开CLT触发会议，CLT在富裕社区是否有效？直接使用社区财富，我们发现触发率的差异很小。分配给CLTS的社区中，成功举办CLTS触发会议的社区比例为富裕社区的75%，贫困社区的83%。这些比率在统计置信度的标准水平上没有显著差异（pvalue=0.301）。此外，我们在附录B表15中给出了CLT影响的估计值，并通过治疗分配进行了检测，结果与ITT的估计值非常相似。如果贫困社区的会议出席率较高，也可能会出现交付差异（从而产生影响）。我们也没有找到这一假设的证据。出席率是指CLTS主持人记录的出席人数与村庄人口之比，富裕社区与贫穷社区之间没有显著差异。CLTS交付质量的差异也可能来自不同的交付代理。如第2.2节所述，水援助组织聘请了两个具有CLTS经验的非政府组织，每个州一个，对地方政府官员进行CLTS会议便利化培训。

如果这些中间交付代理（NGO）在其培训活动的质量上有所不同，我们可能会观察到CLT有效性的房地产水平差异。我们没有发现这方面的证据（见表15附录B）。在类似于方程式（2）的规范中，与国家假人的相互作用治疗状态，我们发现相互作用项很小，与零没有显著差异（p值=0.326）。4.4总结发现，我们的结果表明，社区财富包括许多社区特征，这些特征使CLT更有效。我们没有发现任何证据表明这些特征（如厕所覆盖率、实施或社会凝聚力测量）能够独立解释为什么CLT在较贫穷社区更有效。虽然现有数据不允许我们确定这些不同影响的驱动因素，但异质性维度符合CLTS发起人的理论和从业者的经验，即干预应该在哪里发挥最佳作用。最近的一项跨国研究也强调了背景对CLT效果的重要性，得出的结论是：“CLT的影响以及随后持续使用厕所的情况因地区而异，而非干预，这表明平均而言，34%的村成员参加了富裕社区的CLT会议，而42%的村成员参加了贫困社区的CLT会议。社区级财富群体出席率的社区级回归（即，如果社区贫困，则等于1的dummeyequal），LGA固定效应的点估计值仅为3pp，p值为0.662。

结果可根据要求提供。当然，这并不是解释各州差异结果的唯一渠道。在确定有效性方面，可能与实施方法同等重要或更重要”（Crocker等人，2017a）。根据这一观察结果，我们将在下一节中说明，即使没有对潜在机制的具体背景了解，我们的异质CLTS影响也可以作为尼日利亚国内外更有效的干预目标的基础。换言之，我们将证明社区财富（或代用财富）是CLT有效性的精确预测因子，并可用于政策目标。5干预的针对性和可转移性人们普遍主张，有关公共卫生干预投资的决定应以证据为基础。由于生产特定位置证据的成本较高，政策决策通常基于有限数量的研究，通常在其他地方进行。他们的结果被概括为在不同的目标站点集合中做出实施决策。尽管有这样的认识，即结果取决于干预的类型和实施环境（Meager，2019，Wang et al.，2006）。或者，正如Angrist（2004）所说，“特定经验结果集的相关性或“外部有效性”始终是一个悬而未决的问题。”最近在《医学》（Malmivaara，2019）和《发展经济学文献》（Peters et al.，2018）中对RCT影响评估研究的评论强调，其外部有效性可能有限。同时，由于人群亚组的异质反应，可能会产生特定背景的影响，导致随机对照试验（随机）从具有不同基本特征的人群中抽取样本，产生不同的平均治疗影响。

因此，更好地理解异质反应有助于加强不同目标人群中RCT的普遍性和外部有效性（Allcott和Mullainathan，2012，Ferraro和Miranda，2013，Hotzet al.，2005，Imai和Ratkovic，2013）。决策者可以利用响应性小组的证据，制定更具成本效益的目标实施战略（Djebbari和Smith，2008年，Heckman等人，1997年）。本着同样的精神，我们认为尼日利亚和其他国家的决策者可以利用我们的发现，瞄准贫穷的地理区域，这样做可以避免浪费资金在低响应或无响应社区实施CLT。鉴于最近的估计，“参与式卫生设施的真实成本”可能相当可观（Crocker等人，2017b），这一点尤其重要：加纳现有的成本估计范围为每个目标家庭30.34美元至81.56美元，埃塞俄比亚为14.15美元至19.21美元。在下一节中，我们将对我们的发现在其他环境中的外部有效性提出我们的论点。5.1社区财富作为调和CLTS RCT结果分歧的一个因素1999年在孟加拉国发展起来，如今CLTS在25多个拉丁美洲、亚洲和非洲国家的国家ZF和非ZF组织中得到广泛实施和认可。鉴于其早期存在的有效性证据有限（Venkataramanan等人，2018年），其传播通常是对众多行动者的热情倡导的反应，包括草根活动家、州官员和捐助界（Zuin等人，2019年）。20世纪10年代初，出现了严格的评估研究。然而，即使今天的政策制定者希望根据现有证据做出CLTS实施决策，冲突影响估计也不能成为有用的指南。

据我们所知，其他五项研究根据随机对照试验估计了CLT类干预措施对发展中国家的影响。世界银行水与卫生项目（WSP）在坦桑尼亚（Briceno等人，2017年）、印度中央邦（Patil等人，2014年）和印度尼西亚东爪哇（Cameron等人，2019年）进行了其中三项研究。Pickering等人（2015年）在马里农村进行了类似的评估。最后，Guiteras等人（2015年）在孟加拉国塔诺尔进行了一次集群RCT，评估了三种不同政策方法的影响，其中一种是CLTS式干预。由此产生的证据没有定论，估计的CLTS影响范围从马里厕所拥有量增加30个百分点到孟加拉国和印度尼西亚进行的研究中没有统计上可检测的影响。在本节中，我们认为社区层面的SES，尤其是财富，可能是导致这些分歧结果的因素。在第4节中，我们在尼日利亚的实地实验中记录了社区财富对CLTS影响的强烈异质性。如果这些结果是外部的，那么其他两个是供应方技术援助和补贴规定。在较富裕地区或研究地点进行有效的CLTS干预通常比在较贫穷地区进行的干预具有更低（或无法检测到）的影响。利用研究特定数据，我们分析了在长期SES状态下，RCT之间（和内部）CLT的有效性如何变化。作为第一步，我们使用一致的方法估计每个RCT（孟加拉国、印度、印度尼西亚和坦桑尼亚）的厕所所有权和开放式排便的异质性影响，这些RCT的数据是公开的。最理想的情况是，我们将比较一个社区财富衡量指标的影响估计值，这两个指标是（a）在研究中保持一致的，以及（b）按治疗单位（即社区）汇总的。

不幸的是，并非所有研究都收集了耐用消费品所有权方面的数据，在我们的尼日利亚研究中，耐用消费品用于构建社区财富指数。此外，资产负债指数下的耐用项目在国家和背景方面都具有高度的特殊性（Filmer和Pritchett，2001）。由于数据一致性的原因，聚合治疗单元并不总是可行的，这使得在大多数引用的研究中，研究集群的准确位置不可披露。由于这些原因，我们使用基线的夜光强度作为社区水平估计的替代指标。夜光指数在不同地区具有可比性，我们在每个研究中可用的最低地理水平d计算夜光指数。虽然过去用于代表非洲国家次国家一级的人均GDP，这是一种收入衡量指标（Michalopoulos，2013），但我们已经表明，它是社区SES的有力代表，并产生了与社区财富获得的影响估计非常相似的异质性影响估计（见表5）。为了进行估计，我们将每个RCT样本分为更丰富和更贫穷的集群，然后根据普遍可用的信息实施相对精简的ANCOVA模型。这些研究的数据集可在以下网站找到：Guiteras et al.（2017）（孟加拉国），《水与卫生计划和工程与经济研究与管理网络》（2009）（印度），水和卫生计划（2008）（印度尼西亚）和Briceno等人（2012）（坦桑尼亚）。对于马里的RCT（Pickering et al.（2015）），在没有公开数据的情况下，我们报告了他们的论文中提出的估计值，这些估计值是通过比较治疗和对照家庭在终点的结果得出的。

OD结果反映是否有成年女性进行OD。类似的限制排除了使用人口密度和距离最近的地区总部的距离。附录表21详细概述了用于计算平均夜光强度的地理分解水平和观测地理单位数量。根据我们在前面章节中的分析，我们利用夜间光照强度的研究内变化来分别计算每个样本中较丰富部分和较丰富部分的治疗效果。由于数据限制，无法执行此程序的详细信息和例外情况，请参见附录E。所有夜间照明指数均与基线调查年相关。Michalopoulos（2013）也提出了财富与夜光强度之间存在强烈相关性的证据。研究得出以下规范：yicd=α+γrTcd+θyicd0+Xicdβ+ωd+icd（3）结果变量yicd是两个虚拟变量，表示i）d区c组中的i户拥有私人功能厕所，以及ii）任何家庭成员的OD。Tcdis如果来自d区的聚类c已分配给CLT，则为一个虚拟变量，否则为零。我们在这里区分了地区和集群，出于数据保护的原因，我们观察匿名集群级别c的治疗分配，并观察非匿名地区级别d的社区SES。家庭级别控制西卡代尔人的性别、年龄和户主的年龄平方，以及家庭的主要活动是否是农业。

我们在适当的情况下包括地区层面的地理固定效应（ωd），以解释分层随机化。标准误差在群集级别进行群集，即随机化单元。在图5中，我们报告了CLTS对贫穷和富裕社区的厕所所有权和露天排便（右轴）影响的研究特定点估计，以及所考虑的研究区域（左轴）上相应的卫星夜光强度。这说明了我们的主要结果，即平均而言，在较差的环境中，即在图左侧的灯光强度较低的环境中，CLTS更有效。随着夜间灯光强度的增加，两种结果的点估计值都会减少（厕所所有权用黑色圆圈表示，OD用灰色钻石表示），拒绝无效假设的可能性也会下降。比较内部影响估计（例如坦桑尼亚低影响与高影响），我们发现“较贫穷”的一半社区的影响估计总是较大。请注意，我们在夜光强度高于尼日利亚中值（即平均夜光强度高于0.89，由夜光指数轴0值上方的水平虚线标记）的研究地点中未发现CLTS影响的证据。相比之下，夜光指数最低的所有四个社区组（以及存在多个治疗组的病例中的所有样本，我们仅包括CLTS组和对照组。我们为结果变量包括基线值YICD0，坦桑尼亚除外，该国未收集基线数据。

我们在尼日利亚的研究是唯一一项包含多个治疗后调查波的研究，因此我们将样本限制在第二次随访波（FU2）的观察，这在时间上与其他研究的干预后调查最接近。地区层面的固定影响用于估计印度、印度尼西亚、尼日利亚和坦桑尼亚的影响。我们忽略了孟加拉国的地理固定影响，因为实验是在一个地区进行的。马里是一个例外，由于缺乏数据访问，我们无法生成异构影响估计。图5CLTS对OD和厕所拥有量的影响（按平均夜光强度）注：CLTS对OD患病率（灰钻石）和厕所拥有量（黑点）影响的简单差异回归得出的研究特定点估计值。灰色条形图显示了美国宇航局（NASA）运行线扫描（OLS）系统记录的研究区域内每项研究基线调查年份的平均夜光强度。马里研究的数据不可用，因此使用Pickering et al.（2015）中表2的结果（对于OD，使用成年女性的结果）。尼日利亚较贫穷社区的平均夜灯）显示出统计上显著的CLTS影响。我们认为，这支持了我们的论点，即CLTS在增加厕所拥有量和减少相对贫困地区的露天排便方面更有效。由于图5暗示了社区SES和CLTS影响之间的反比关系，我们通过区域特定夜光指数（见图6）得出CLTS对厕所拥有率和露天排便的点估计之间的线性关系，进一步探讨了这一点。

这些线性函数的平方表明，对数夜光的变化可以合理化42%（50%）的CLT变化对增加厕所拥有量（和减少OD）的影响。图6CLTS对研究区域夜间光照强度的治疗效果（a）厕所所有权（b）开放式排便注：图5中每个国家（子）样本的CLTS对厕所所有权（面板a）和OD率（面板b）的平均治疗效果，马里除外，我们没有国内差异。水平轴是基线期间每个研究区域夜光强度的对数。在一项单独的活动中，我们汇集了三项GPS数据可用的研究，因此我们可以在集群级别（即印度尼西亚、尼日利亚和坦桑尼亚）测量夜光强度，并估计整体和异质CLT对厕所拥有量的影响，报告应简单明了。我们发现，平均CLTS对尼日利亚RCT的影响在质量上类似，厕所拥有量增加了5个百分点（见表10第1列和第2列）。然后，我们使用三种可选的函数形式来捕捉夜光变化，估计混合样本的异质性影响。首先，我们将地理单元划分为显示零或正夜光强度的地理单元，因为其分布强烈向右倾斜。其次，我们使用尼日利亚RCT的结果作为参考，并将尼日利亚作为一个分割点，因为我们在我们的RCT中未发现超出该水平的CLT影响估计（见表5）。第三，我们使用更灵活的三分位数，通过夜光强度估计异质性影响。表10第3列至第5列所示的结果支持我们的假设，即CLTS影响因社区的SES而异，此处通过夜光强度测量。

我们发现SES较低地区的影响估计值大得多，约为9个百分点。请注意，当使用汇总估计值时，我们无法通过随机化依赖严格的外生性进行识别。然而，我们将国家固定效应包括在内，这将在RCT站点中收集样本变化，但没有发现它们改变了影响估计（见表10第1列和第2列）。在无夜光的区域，即最低三分之一。如果我们沿着尼日利亚夜光中位数划分区域，这些结果会更加明显：在较贫穷的地区，CLTS将厕所拥有率提高12个百分点（在1%的置信度水平上显著）。同样，我们从未在任何特定的高SES地区发现统计上显著的CLT影响估计值（无论是通过正夜光强度、尼日利亚中值以上的强度还是三分之一以上的强度定义）。我们进一步检验“贫”和“富”地区的估计系数之间的差异是否为零，并拒绝除一个以外的所有规范中的假设。此外，夜光增加的三分位数（第5列）的影响正在下降，这与我们的RCT中的结果类似（参见图4中显示的四分位数分割）。这些结果只是提示性的，但与我们的发现一致。更详细的分析需要访问每项研究中的确切聚类位置，或获取有关耐用消费品家庭所有权的更详细数据（两者均不可用），然后将这些数据结合起来，分别确定跨研究差异与不同家庭的真实观察差异，例如米格尔（2019）提出的。因此，我们认为，通过研究区域的平均财富差异（通过夜光测量），可以合理化研究中的大范围CLT影响。

我们在尼日利亚及其他地区的研究结果表明，CLTS在贫困社区更为有效。5.2政策含义我们发现的影响不言而喻：资金有限的ZF如果采用有效的目标定位战略，可能会在卫生方面取得更大的改善，而这种战略可以基于社区财富的衡量。我们认为，现有的调查，如人口与健康调查（DHS）或卫星亮度调查（SatelliteNighlight intensity），这两项调查都适用于广泛实施CLTS的大陆上所有60个国家，可以构成此类目标战略的基础。汇集样本中31%的观测值位于夜光强度为零的区域。例外情况是第3列中的规格，我们将样品分为零和正夜光区域。这种划分可能过于粗糙，将具有非常低但正夜光的低SES区域归入高SES类别。在附录D中，我们详细说明了如何将这些数据用于尼日利亚的CLT目标。我们根据尼日利亚NRCT和2013年尼日利亚人口和健康调查的影响估计，制定了目标战略。尽管DHS包含的资产清单不如我们的数据详细，但简单的DHS社区财富指数强烈预测了我们研究中使用的更复杂的社区财富衡量标准，支持了这样一种观点，即收集资产财富信息的现成调查，如人口和健康调查，非常适合CLT目标。图7中的目标地图显示了重点目标区域，即在阴影较深的地区，厕所拥有率较低的贫困地区。图7CLTS在尼日利亚的目标来源：根据DHS Nigeria 2013自己的计算。表10按nightlightDep划分的综合CLTS影响。

变量：厕所拥有量按区域划分的夜光强度（NL）0与位置低于或高于NL三分之一尼日利亚夜光中位数（1）（2）（3）（4）（5）按社区的夜光强度（NL）0.05 0.05（0.01）（0.01）异质性在零/低于中位数/第一中位数NL 0.09 0.12 0.09（0.01）（0.00）（0.01）第二位数NL 0.07（0.04）正/高于中位数/第三位数CLTNL 0.03-0.01-0.01（0.25）（0.62）（0.69）差异-0.06-0.13（0.14）（0.00）差异（中低）-0.02（0.71）差异（高低）-0.10（0.03）国家FE否是是是是SBL所有权否否否否否否否否否否否否否否否否否。集群580 580 580 580 580否。obs的。7843 7843 7843 7843 7843 7843注：使用印尼、尼日利亚和坦桑尼亚样本的汇总回归结果。所有规格都控制户主的年龄、年龄和年龄平方，如果农业是家庭的主要经济活动，则虚拟变量等于1。区域固定效应也包括在内，误差在随机单元层面上进行聚类。6讨论和结论设计有效的政策来解决发展中国家迫切的卫生问题，需要对家庭的投资选择和行为改变的驱动因素有细微的了解。在本文中，我们提供了社区主导的全面卫生（CLTS）有效性的证据，这是一种在世界各地广泛实施的参与性信息干预。我们的研究在尼日利亚使用了一个大的随机分组实验，我们收集了治疗三年后的数据。CLT的实施是大规模的，即由当地非ZF组织培训的WASH公务员实施。我们表明，CLTS是一种参与性社区干预，没有财政成分，总体上对开放式排便和厕所建设有积极但适度的影响。

然而，平均影响掩盖了社区社会经济地位的重要异质性，因为干预措施对较贫穷社区的开放式排便习惯产生了强烈而持久的影响，并增加了卫生投资。在贫困社区，OD率从75%的基线水平下降了9个百分点，而在富裕社区，我们没有发现任何影响。OD的减少主要是通过增加厕所拥有量来实现的（从基线水平24%增加8个百分点）。虽然这一结果在社区社会经济状况的多个衡量指标中都是可靠的，并且不是由厕所覆盖率的基线差异所驱动的，但我们的数据不允许我们确定贫困社区的住房为什么更容易受到该计划的影响。然而，除了上一节中强调的ZF可以采取的更有效的目标定位策略外，我们的结果还有三个重要的影响。首先，我们的研究结果提供了一个额外的原因，说明了为什么干预措施的扩大并非微不足道（Banerjee et al.，2017a，Bold et al.，2013，Deaton and Cartwright，2018，Ravallion，2012）。关于为什么干预措施不能在全国范围内成功推广的讨论集中在总体平衡和溢出效应上，最近还集中在实施和交付方面。文献表明，当在具有特定特征的地区进行的干预措施正在普遍推广时，如在较富裕地区，溢出效应和一般均衡效应的缓和可能会导致干预措施的回报率较低。我们表明，就干预的有效性而言，社区特定的、异质性的治疗影响是成功扩大规模的另一个障碍。其次，社区SES还提供了尼日利亚基础DRCT之外的合理外部有效性。

利用我们的研究和其他五项类似干预措施的随机对照试验的数据，我们发现通过夜光强度测量的地区财富水平与这些研究的项目效果之间存在反向关系。因此，我们确定了一个特征，使文献中广泛的影响估计合理化。最后但并非最不重要的一点是，我们表明，依赖信息和集体行动机制的干预措施可以对家庭的健康投资和行为产生重大影响，特别是与卫生有关的影响。然而，对于致力于实现与卫生有关的可持续发展目标的决策者来说，有一个重要的警告。在我们的研究中，CLTS在OD和厕所覆盖率方面实现了贫富社区之间的融合，从而提高了游戏场的水平。然而，这并不是在贫困社区实现开放式无排便状态的灵丹妙药。因此，需要更多地研究替代或补充干预措施，以缩小低收入国家的卫生差距。这些可能会试图扩大CLTS的影响（例如通过完善的财政激励、贷款或补贴或更深入的后续行动），或改善CLTS有效的富裕社区的卫生条件，例如通过基础设施投资和供应干预。财政研究所财政研究所皇家霍洛威和财政研究所教育学院、伦敦大学学院皇家霍洛威和财政研究所参考文献Abramovsky，L.、Augsburg，B.、Flynn，E.和Oteiza，F.（2016）。改进CLT目标：尼日利亚的证据。财政研究所IFS Brie fing Note BN183技术报告。Abramovsky，L.、Augsburg，B.和Oteiza，F.（2015年）。基线报告：可持续全面卫生——尼日利亚。

技术报告，财政研究所，伦敦。Abramovsky，L.、Augsburg，B.、Oteiza，F.和IPC（2018年）。可持续全面卫生——尼日利亚：最终研究报告。财政研究所技术报告。Adukia，A.（2017）。卫生和教育。《美国经济杂志》：应用经济学，9（2）：23–59。Alesina，A.、Baqir，R.和Easterly，W.（1999年）。公共产品和种族划分。《经济学季刊》，114（4）：1243-1284。Alesina，A.和La Ferrara，E.（2002年）。谁信任他人？《公共经济学杂志》，85（2）：207–234。Allcott，H.和Mullainathan，S.（2012年）。外部效度和合作伙伴选择偏差。NBERWorking Paper 18373。Alsan，M.和Goldin，C.（2019年）。1880-1920年儿童死亡率中的流域：有效供水和污水基础设施的作用。《政治经济学杂志》，127（2）：586–638。Alzua，M.L.，Djebbari，H.，和Pickering，A.J.（2018）。以社区为基础的计划促销活动。CEDLAS WP 228。Angrist，J.（2004年）。治疗效果在理论和实践上存在异质性。《经济杂志》，114（494）：C52–C83。Angrist，J.D.和Imbens，G.W.（1995）。具有可变治疗强度的模型中平均因果效应的两阶段最小二乘估计。《美国统计协会杂志》，90（430）：431–442。Augsburg，B.和Rodriguez Lesmes，P.A.（2018）。印度的卫生和儿童健康。《世界发展》，107:22–39。Baird，S.、Hicks，J.H.、Kremer，M.和Miguel，E.（2016）。蠕虫在起作用：儿童健康投资的长期影响。《经济学季刊》，131（4）：1637–1680。Bandiera，O.、Burgess，R.、Deserano，E.、Rasul，I.和Sulaiman，M.（2018）。社会关系、身份和公共服务的提供。工作文件。Banerjee，A.、Banerji，R.、Berry，J.、Du Flo，E.、Kannan，H.、Mukherji，S.、Shotland，M.、andWalton，M.（2017a）。

从概念验证到可扩展策略：挑战与解决方案，带应用程序。《经济展望杂志》，31（4）：73–102。Banerjee，A.、Chassang，S.和Snowberg，E.（2017b）。野外实验手册-第1卷。第四章-实验设计和外部效度的决策理论方法。北荷兰，爱思唯尔。Basu，K.（2014）。随机性、因果关系和理性直觉的作用。牛津发展研究，42（2）：455–72。Bold，T.、Kimenyi，M.、Mwabu，G.、Ng\'ang\'a，a.和Sandefur，J.（2013）。扩大效果：肯尼亚教育外部有效性的实验证据。CGD工作文件321。Briceno，B.、Coville，A.、Gertler，P.和Martinez，S.（2017）。卫生和环境卫生促进运动是否有协同作用：来自坦桑尼亚农村大规模集群随机试验的证据。PLoS One，12（11）：e0186228。Briceno，B.、Coville，A.和Martinez，S.（2012年）。2012年坦桑尼亚扩大洗手和农村卫生行为项目的影响评估，终点调查（SHRSBIE-EL）。参考TZA\\U 2012\\U SHRSBIE-EL\\U v01\\U M\\U v01\\U A\\U PUF。Briceno，B.、Coville，A.和Martinez，S.（2015年）。促进洗手和卫生：坦桑尼亚农村大规模随机试验的证据。政策研究工作文件-世界银行，7164（WPS7164）：58–pp.Cameron，L.、Olivia，S.和Shah，M.（2019）。扩大卫生设施：来自印尼RCT的证据。《发展经济学杂志》，138:1-16。Crocker，J.、Saywell，D.和Bartram，J.（2017a）。社区主导的总体卫生成果的可持续性：来自埃塞俄比亚和加纳的证据。《国际卫生与环境健康杂志》，220（3）：551-557。Crocker，J.、Saywell，D.、Shields，K.、Kolsky，P.和Bartram，J.（2017b）。参与式卫生的真正成本：来自加纳和埃塞俄比亚社区主导的全面卫生研究的证据。

《总体环境科学》（601-602）：1075-1083。Cunha，J.M.、De Giorgi，G.和Jayachandran，S.（2018年）。现金与实物转让的价格效应。《经济研究评论》，86（1）：240–281。Deaton，A.和Cartwright，N.（2018）。理解和误解随机对照试验。《社会科学与医学》，210:2-21。Djebbari，H.和Smith，J.（2008）。progresa中的异质影响。《计量经济学杂志》，145:64–80。Dupas，P.（2011年）。发展中国家的健康行为。经济学年鉴，3（1）：425–449。Easterly，W.和Levine，R.（1997年）。非洲的增长悲剧：政策和种族分裂。《经济学季刊》，112（4）：1203–1250。Ferraro，P.和Miranda，J.（2013年）。基于信息的环境政策中的异质处理效应和机制：来自大规模现场实验的证据。《资源与能源经济学》，35:356–379。Filmer，D.和Pritchett，L.（2001年）。在没有支出数据的情况下估计财富效应——OrTears：印度各州教育注册的应用。人口统计学，38（1）：115–132。Gowdy，J.、Iorgulescu，R.和Onyeiwu，S.（2003）。尼日利亚农村村庄的公平与报复。《经济行为与组织杂志》，52:469–479。Guiteras，R.、Levinsohn，J.和Mobarak，A.M.（2015）。卫生补贴。鼓励发展中国家的卫生投资：一项分组随机试验。《科学》，348（6237）：903–906。Guiteras，R.、Levinsohn，J.和Mobarak，A.M.（2017）。鼓励发展中国家的卫生投资：一组随机试验数据集。哈佛Dataverse。Gupta，A.、Khalid，N.、Desphande，D.、Hathi，P.、Kapur，A.、Srivastav，N.、Vyas，S.、Spears，D.、andCo Offey，D.（2019年）。2014-2018年印度北部农村露天排便的变化。IZA DiscussionPaper系列，IZA DP第12065号。Heckman，J.、Smith，J.和Clements，N.（1997）。

最大限度地利用方案评估和社会实验：说明方案影响的异质性。《经济学研究回顾》，64:487–535。Henderson，J.V.，Storeygard，A.，和Weil，D.N.（2012）。从外层空间衡量经济增长。《美国经济评论》，102（2）：994-1028。Henrich，J.、Boyd，R.、Bowles，S.、Camerer，C.、Fehr，E.、Gintis，H.、McElreath，R.（2001）。寻找人类经济学：15个小规模社会的行为实验。《美国经济评论》，91:73–78。Henrich，J.、McElreath，R.、Barr，A.、Ensminger，J.、Barrett，C.、Bolynatz，A.、Cardenas，J.、Gurven，M.、Gwako，E.、Henrich，N.、Lesorogol，C.、Marlowe，F.、Tracer，D.、Ziker，J.（2006）。全人类社会代价高昂的惩罚。《科学》，321:1767-1770。Hotz，J.，Imbens，G.，和Mortimer，J.（2005）。利用过去在其他地方的经验预测未来培训计划的有效性。《计量经济学杂志》，125:241–270。Imai，K.和Ratkovic，M.（2013）。评估随机项目评估中的治疗效果异质性。《应用统计年鉴》，7（1）：443–47。Imbens，G.W.和Angrist，J.D.（1994年）。确定和估计当地平均治疗效果。《计量经济学》，62（2）：467–475。Kar，K.（2003年）。补贴还是自尊？孟加拉国参与式全面社区卫生。IDS工作文件。Kar，K.和Chambers，R.（2008年）。《社区主导的全面卫生手册》，第44卷。发展研究所。Malmivaara，A.（2019年）。在领先的普通医学期刊中，随机对照试验结果的普遍性受到限制。临床流行病学杂志，107:36–41。Mauro，P.（1995年）。腐败和增长。《经济学季刊》，110（3）：681-712。McKenzie，D.（2012年）。超出基线和随访：实验中更多T的情况。《发展经济学杂志》，99（2）：210–221。McKenzie，D.J.（2005年）。

用资产指标衡量不平等。《人口经济学杂志》，18（2）：229–260。米格尔，R.（2019）。了解小额信贷扩张的平均影响：七个随机实验的贝叶斯层次分析。《美国经济杂志》：AppliedEconomics，11（1）：57–91。Michalopoulos，S.E.P.（2013）。殖民前的种族制度与当代非洲发展。《计量经济学》，81（1）：113–152。Miller，G.和Mobarak，A.M.（2013）。偏好方面的性别差异、家庭内部外部性以及对改良炉灶的低需求。国家经济研究局技术报告。Muralidharan，K.和Niehaus，P.（2017）。大规模实验。《经济展望杂志》，31（4）：103–24。Patil，S.R.、Arnold，B.F.、Salvatore，A.L.、Brice~no，B.、Ganguly，S.、Colford，J.M.和Gertler，P.J.（2014）。印度全面卫生运动对中央邦农村排便行为和儿童健康的影响：一项群集随机对照试验。《公共科学图书馆·医学》，11（8）：e1001709。Peters，J.、Langbein，J.和Roberts，G.（2018年）。热带地区的推广-发展政策、随机对照试验和外部有效性。《世界银行研究观察报》，33（1）：34–64。Pickering，A.J.、Djebbari，H.、Lopez，C.、Coulibaly，M.和Alzua，M.L.（2015）。社区领导的卫生干预对马里农村儿童腹泻和儿童生长的影响：一项群体随机对照试验。《柳叶刀全球健康》，3（11）：e701–e711。Prüss Ustün，A.、Bartram，J.、Clasen，T.、Colford，J.M.、Curtis，V.、Bonjour，S.、Cumming，O.、Dangour，A.D.、Fewtrell，L.、France，J.D.、Freeman，M.、Gordon，B.、Hunter，P.、Johnston，R.B.、Medlicott，K.、M"ausezahl，D.、Mathers，C.、Neira，M.、Stocks，M.、Wolf，J.、Cairncross，S.（2014）。

低资源环境中的水、卫生和个人卫生对腹泻病的负担：对147个国家的数据进行回顾性分析。Trop Med Int Health（提交中），19（8）：894–905。Prüss-"Ustün，A.和Corvalán，C.（2006年）。通过健康环境预防疾病。估计疾病的环境负担。世界卫生组织。Ravallion，M.（2012年）。与贫困作斗争一次一个实验：贫困经济学：对消除全球贫困方式的激进反思：评论文章。《经济文学杂志》，50（1）：103–114。Romano，J.P.和Wolf，M.（2005年）。作为形式化数据窥探的逐步多重测试。《计量经济学》，73（4）：1237–1282。Spears，D.和Lamba，S.（2016）。早期接触卫生设施对儿童认知技能的影响：来自印度全面卫生运动的证据。《人力资源杂志》，51（2）：298–327。联合国（2016年）。清洁水和卫生设施：为什么它很重要。可持续发展目标简介。Venkataramanan，V.、Crocker，J.、Karon，A.和Bartram，J.（2018）。社区主导的全面卫生：一种混合方法，对证据及其质量进行系统审查。环境健康展望。，126(2):026001.Wang，S.，Moss，J.，和Hiller，J.（2006）。干预措施的适用性和可转移性基于证据的公共卫生。健康促进国际，21（1）：76–83。水和卫生方案（2008年）。2009-2011年印度尼西亚WSP全球扩大农村卫生服务（TSSM）影响评估、基线和终点调查。参考IDN\\U 2009\\U 2011\\U WSP-IE\\U v01\\U M\\U v01\\U A\\U PUF。水和卫生方案（2012年）。由于卫生条件差，尼日利亚每年损失4550亿尼泊尔元。工程和经济研究与管理用水和卫生方案及网络（2009年）。

WSP全球扩大农村卫生服务（TSSM）影响评估，中央邦，2009-2011年基线和终点调查。世界卫生组织/联合国儿童基金会（2015年）。卫生和饮用水进展：2015年更新和MDGAssessment。技术报告，世界卫生组织。世界卫生组织/联合国儿童基金会/联合管理计划（2017年）。饮用水、卫生和个人卫生方面的进展：2017年更新和可持续发展目标基线。Zuin，V.、Delaire，C.、Peletz，R.、Cock Esteb，A.、Khush，R.和Albert，J.（2019年）。农村卫生部门的政策差异：社区主导的全面卫生（clts）的经验教训。《世界发展》，124:104643。附录a变量定义在本节中，我们提供了用于构建家庭和社区层面特征的一系列测量的详细信息。这些数据基于我们的家庭调查和其他辅助数据集。A、 1家庭特征Sasset wealthHousehold对家庭年收入的调查结果的回应率相对较低：27%的受访家庭报告称根本没有收入或拒绝回答。在一系列有关耐用消费品所有权的问题中，获得了较高的答复率。我们将aprincipal成分分析应用于该列表，并在Filmer和Pritchett（2001）之后，基于第一个主成分构建了资产财富指数。例如，在美国国际开发署（USAID）对90个国家进行的人口与健康调查（DHS）中，这种财富指数被广泛用作家庭长期财富的代表，或作为PROGRESA条件性现金转移计划的目标工具（McKenzie，2005）。

表11列出了我们的住户调查中得出的资产项目，并显示了它们的因子负荷。A、 2社区特征A社区平均由一到两个村庄或社区组成，由220户家庭组成（详见第2.2节）。社区财富社区资产财富估计为家庭资产财富得分的中位数。我们的户主调查在每个社区随机采访了20户家庭，因此我们选择了中位数，以限制由于异常值（即资产财富极高或极低的家庭）可能发生的债务。我们的主要结果是将社区财富沿中值离散化。贫穷（富裕）社区是指资产财富低于（高于或等于）社区中值的社区。表11资产财富指数调查中使用的资产项目问题系数负荷以下耐用资产的所有权：（1=是，0=否）摩托车/滑板车/三轮车0.1302家具：椅子0.1561家具：表0.1823家具：床0.1075冰箱0.2998洗衣机0.1826微波炉0.1914煤气灶0.2507等离子/荧光屏电视0.2173其他电视0.2867卫星电视（每月订阅）0.2272其他碟形卫星电视（DSTV等）0.2391 Radio/CD/DVD播放器0.2241智能电话0.1265其他电话/电话0.0886计算机0.2195空调0.1061发电机0.2777缝纫机0.1323电熨斗0.3172高压锅0.1557电风扇0.3162包括的家庭数量（N=4722）4622注：如果家庭报告拥有至少一个每个类别中列出的每个项目。