然后使用主成分分析的第一个成分构建财富指数。其中至少有一类数据缺失的家庭被排除在外。除了社区财富外，我们还提出了三种衡量社区社会经济状况的替代指标：夜光指数、人口密度和隔离度。夜光指数第一个替代指标是干预开始前2013年记录的平均夜光指数。使用家庭GPS坐标，我们计算每个社区的地理质心，并确定围绕该质心的5km半径。我们使用了美国国家海洋和大气管理局（NOAA）提供的夜间照明数据。收集数据所依据的观测结果由国防气象卫星计划（DMSP）卫星上的运行线扫描系统（OLS）进行。夜间照明强度已被证明与经济增长相关，Henderson等人（2012）提出将其作为推断国家以下水平增长率的工具。此外，Michalopoulos（2013）表明，夜间光照强度与非洲国家的人均GDP和城市化高度相关。使用GIS软件测量隔离社区的地理隔离度。我们计算每个社区质心与最近的行政首都之间的线性距离，单位为公里。尼日利亚各州划分为地方政府区（LGA），每个LGA都有自己的行政总部。请注意，我们测量到最近的LGA首府的距离，该首府可能是社区所在LGA的首府，也可能不是社区所在LGA的首府。

当我们使用到最近的州首府的距离作为相关的行政首府时，结果是不变的。人口密度我们计算每个社区中心Roid周围5km半径范围内的家庭数量。我们依赖于2014年年中对该地区居民的普查，为评估做准备。这可以作为人口密度的衡量标准，因为所有社区的半径面积相等（π×5=79km）。至于资产财富，我们将样本中的社区沿着每个指标分成两组，沿着每个维度创建两个（大约）大小相同的子样本。厕所覆盖率Oilet覆盖率是社区中拥有基线厕所的家庭的份额。宗教分裂宗教分裂表示我们样本中随机选择的两个家庭属于不同宗教的可能性。我们关注的是宗教而不是种族分裂，因为我们的研究样本在种族方面极其同质，但显示出相当多的宗教多样性。Mauro（1995）首次使用了类似定义的指数，经常用于研究种族多样性及其对经济增长的影响（Easterly和Levine，1997）或公共产品供应（Alesina等人，1999）。信任在一篇开创性论文中，Alesina和La Ferrara（2002）根据美国综合社会调查的一个问题定义了信任，询问受访者是否认为“大多数人都可以信任”。由于我们想揭示社区内的信任，而不是社会信任的概念，因此我们不依赖以下问题：“一般来说，你会说你非常信任你周围的人，只是一点点，还是根本不信任？”。回答被编码为2（大量）、1（少量）或0（完全不是）。

我们使用社区内家庭反应的平均值作为社区级聚合。社会资本通过主成分分析，利用与参与社区生活、社会接触和向社区提供服务相关的问题，构建了家庭层面的社会资本指数（见表12）。这与Cameron等人（2019年）在印度尼西亚东爪哇省研究YCLTS影响时使用的方法相似。表12显示了每个项目的因子负荷。我们通过采用社区特定平均数，汇总家庭对社区层面措施的反应。表12用于构建家庭层面社会资本指数的问题调查问题因子加载在过去12个月中，您。。。。。。捐献的血液？0.0573...参与社区项目？0.3129...是否参加过任何讨论城镇或学校工作的公开会议？0.2939...参加政治会议或集会？0.2387...是否参加过任何俱乐部或组织会议（不包括工作会议）？0.3204...有朋友来过你家吗？0.3662...曾在不同种族的朋友家里/邀请过他们？0.3166...曾在不同社区的人家里/邀请过不同社区的人？0.3573...曾去过/邀请过你认为是社区领袖的人？0.3699...自愿的？0.3185...担任过俱乐部或社区协会的官员或委员会成员？0.2259不包括婚礼和葬礼，您多久参加一次宗教仪式？0.0382包括的家庭数量（N=4722）4227注：这些是多项选择题，其中（预先规定的）答案从“从未这样做过”到“每周超过一次”。为了构建社会资本指数，在进行主成分分析之前，对这些反应进行了标准化。

至少有一个类别的数据缺失的家庭被排除在外。财富不平等财富不平等是通过将家庭资产财富的社区内标准差除以整个样本家庭财富的标准差来构建的。McKenzie（2005）表明，在缺乏关于家庭收入或消费的可靠信息的情况下，这种资产财富不平等的衡量标准是生活水平不平等的信息代表。关键群落特征的分布图8显示了上述每个群落特征的分布。社区夜间光线强度的严重偏斜是我们在首选规范中使用离散测量的原因之一（以及使用连续测量进行灵敏度分析）。图8基线社区特征注：根据一系列社区水平特征，我们样本中社区分布的核密度近似值。虚线表示中值，沿着该中值，样本被分割为每个特征的高分组和低分组。社区公共基础设施当地学校或医院基础设施以及社区是否铺设了内部道路的指标，可作为衡量当地发展状况的进一步指标。这些措施来自于在基线时向社区领导人进行的社区级问卷调查。村领导的特点CLTS是在与帮助组织社区会议的村领导初次会面后触发的，旨在推动集体行动，以实现社区的开放式无大便状态。因此，村领导可能会影响其社区的特征。

由于一个社区可能包含多个村庄，这些特征反映了他们的平均年龄、经验（担任领导的年限）和教育程度，所有这些都是在基线时衡量的。B自然减员、合规性和实施我们提供了关于调查自然减员、社区不遵守治疗任务的其他结果，并考虑了两个研究州的实施差异。损耗首先，我们在治疗和对照社区的三项后续研究中，测试家庭调查中的非随机损耗。我们的研究表明，磨损率非常低：inFU1为2.53%，FU2为8.81%，FU3为11.58%（表13）。其次，整个治疗组的磨损率相似。第三，我们发现贫困社区的流失率略低于富裕社区。表13按调查波和治疗状态划分的损耗率已完成访谈，占总尝试调查波的百分比1 FU2 FU3（1）（2）（3）整个样本2.53 8.81 11.58按治疗状态划分：CLTS 2.51 8.61 12.04对照组2.55 9.01 11.14按社区级别划分财富：富裕社区3.21 9.85 14.09贫穷社区1.80 7.69 8.98注：无条件损耗率，作为每个勘测波中总尝试交互视图的一部分。在表14中，我们正式测试了治疗状态是否可以根据基线特征预测磨损。第1、4和7列分别显示了FU1、FU2和FU3在治疗指标和地区固定效应上的磨损回归结果。我们发现，分配给CLTS并不能预测自然损耗，这一结果对于纳入家庭水平控制（第2、5和8列）是可靠的。因此，我们没有发现任何证据表明选择性损耗会挑战表2所示的成功随机化。在FU 1和FU 2中，消耗不仅在各治疗组之间平衡，而且还通过社区财富平衡。

仅在FU3中，我们发现富裕社区的死亡率（3pp）略高于贫穷社区（p值=0.02）。然而，回想一下基线调查后的第三年，平均减员率约为10%，非常低。表14非随机磨损调查波测试：FU1 FU2 FU3（1）（2）（3）（4）（5）（6）（7）（8）（9）治疗状态0.00-0.00 0.01-0.01-0.01 0.01 0.00 0.01（0.90）（0.96）（0.90）（0.60）（0.49）（0.48）（0.22）（0.71）（0.55）贫困社区-0.01 0.00-0.03（0.06）（0.74）（0.02）家庭控制否是否是观察次数4647 4505 4505 4647 4505 4505 4722 45464546注：根据波浪、治疗状况、家庭和社区层面特征对损耗回归的估计结果。错误在社区级别聚集，p值显示在括号中。实施和触发我们测试CLTS交付质量的差异是否可以解释富裕社区之间的异质影响。如第2.2节所述，水援助组织聘请了两个具有CLT经验的非政府组织，每个州一个，对地方政府官员进行CLT会议便利化培训。因此，我们测试了CLT有效性中的国家级差异。相互作用项很小，并且与零没有显著差异（p值=0.326），因此我们没有发现该假设的证据。最后，并不是所有分配给CLT的集群都被触发，导致了一小部分非complyingclusters。因此，我们的主要结果基于无偏ITT估计。在表15的第2列中，wefollow Imbens and Angrist（1994）和Angrist and Imbens（1995）重新定义了治疗变量，以反映实际触发状态，以及仪器触发治疗与治疗分配。平均影响的结果与ITT的估计非常相似。

在第3列和第4列中，我们额外测试贫困社区的触发集群是否比非富裕社区对CLT更具反应性。结果与ITT的估计非常相似。我们发现CLT仅对贫困社区有效，在贫困社区，他们将OD减少了10个百分点。表15CLTS影响（按状态和触发状态划分）。变量：主要受访者采用ODBy state IV方法样本：所有富裕社区贫困社区（1）（2）（3）（4）CLTS x Enugu-0.02（0.43）CLTS x Ekiti-0.05p-val（0.04）差异-0.03（0.33）CLTS-0.04 0.02-0.10（0.04）（0.55）（0.00）第一阶段F-统计645.50 174.67 817.17否。社区总数246 246 123 123否。观察结果12697 12697 6515 6182注：表3中列出了家庭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。C其他结果：异质性影响C。1社区特征的替代规范首先，我们基于四个社区特征的替代功能形式进行敏感性分析。如表5中的主要文本所示，我们使用连续测量，而不是沿其中值切割离散测量，结果与表16所示非常相似。财富低于零平均值一个标准差的贫困社区的OD减少了10%，而这两个系数对富裕社区的影响接近于零。密度和隔离度的结果相似。与离散测量类似，一旦我们纠正了家庭方面的错误，我们发现统计上显著的异质性影响仅限于社区财富和家庭密度。与表5中的结果相比，我们发现连续夜光测量没有异质性影响。图8显示了原因。

与其他三个特征相比，其分布呈高度倾斜，在247个社区中约有90个社区在零附近表现出较强的聚集性。因此，混凝土规格似乎更适合捕捉夜光强度的异质性。表16CLTS使用四种社区SESDep措施对OD的影响。变量：主要受访者在BL执行ODCommunity Characteristic（CC）：Asset wealth Night lights Density Isolation厕所覆盖率（1）（2）（3）（4）（5）CLTS-0.04-0.03-0.04-0.03p-value（naive）（0.04）（0.05）（0.04）（0.04）（0.04）（0.04）p-value（MHT鲁棒）[0.07][0.07][0.07][0.07][0.07]CLTS x CC 0.06 0.00-0.04 0.03p-value（naive）（0.00）（0.98）（0.02）（0.02）0.05）（0.15）p值（MHT稳健）[0.01][0.98][0.09][0.22][0.53]社区数量246 246 246 246 246。观察结果12697 12697 12697 12697 12697注：表3中列出的住户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）的家庭错误率调整的NTP值，使用1000个集群引导样本。其次，我们在社区社会经济状况的四个（不完全）相关指标之间进行了一场赛马，以确定哪一个最能捕捉到跨社区的异质影响。表17中的第1列至第3列显示了考虑成对异质性的估计值（即按社区财富和其他三个变量之一）。我们发现了所有三种替代特征的异质性影响。这表明，每个SES指标都反映了一个对成功实施CLT至关重要的社区方面。

然而，最引人注目的结果是：我们在所有规格的贫困社区（其规模也与表5中的估计值相等）中检测到了在统计上显著且经济上完全相同的CLT影响。事实上，当我们同时包括所有互动术语（第4列）时，只有社区财富特定影响在5%的水平上具有统计意义。这些结果强调了我们的结论的稳健性，即CLTS仅对贫困社区有效，其对目标社区财富的影响正在下降。赛马运动表明，社区财富是社区中当地社会经济状况的最佳代表，在调解CLTS影响方面发挥着重要作用。表17社区级社会经济地位（SES）资产财富的不同代理的绩效比较：夜灯密度隔离所有（1）（2）（3）（4）CLTS 0.04 0.05 0.03 0.05（0.11）（0.07）（0.15）（0.05）低资产财富0.08 0.08 0.08（0.00）（0.00）（0.00）CLTS x低资产财富-0.09-0.09-0.09（0.01）（0.01）（0.01）低夜灯0.07 0.04（0.00）（0.12）CLTS x低夜光-0.05-0.03（0.10）（0.55）低密度0.08 0.06（0.00）（0.03）CLTS x低密度-0.08-0.07（0.01）（0.07）高隔离度0.07 0.01（0.00）（0.78）CLTS x高隔离度-0.05 0.01（0.09）（0.91）观察编号12697 12697 12697注：表3所列住户和户主特征的所有规格控制。p值显示在括号中。Standarderrors在社区级别聚集。C、 2异质CLT是否由社区或家庭财富驱动？社区财富是家庭财富的综合衡量标准。富裕（贫穷）社区平均由富裕（贫穷）家庭组成。那么，CLTS是否对贫困家庭更有效？我们用两种方法检验这一假设。

首先，我们表明，CLT对贫困家庭的影响更大（见表18第1列）。我们发现，在富裕家庭中，CLTS的影响没有统计学意义，而贫困家庭则表现出CLTS导致的OD下降了5个百分点。然而，CLT对贫困家庭的影响远小于表5第1列中贫困社区10个百分点的inOD下降。69%的贫困集群家庭的资产财富低于中值，而66%的富裕集群家庭的财富高于中值。表18CLTS按家庭富裕程度划分的影响。变量：主要受访者执行ODSample：所有社区富裕社区贫穷社区（1）（2）（3）CLTS x富裕社区（γr）-0.01 0.01-0.06p值（朴素）（0.61）（0.51）（0.07）p值（MHT稳健）[0.67][0.67][0.21]CLTS x贫穷社区（γr+γd）-0.06 0.01-0.11p值（朴素）（0.01）（0.78）（0.00）p值（MHT稳健）[0.05][0.78][0.01]差异（γd）-0.05-0.01-0.05p-值（原始）（0.04）（0.86）（0.14）p值（MHT稳健）[0.18][0.86][0.45]DV对照均值（EL，富）0.37 0.33 0.47DV对照均值（EL，贫）0.60 0.45 0.69No。TUs 246 123 123编号。obs的。12697 6515 6182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18和表19中所示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，如果CLTS对家庭而非社区的影响是异质的，我们预计在任何一种社区类型的贫困家庭中都会发现更强的CLTS影响（在影响规模和统计意义上）。

沿着样本中位数将家庭分为穷人和富人，并分别估计富人和穷人社区的家庭财富对异质CLT的影响，我们拒绝这一假设（第2列和第3列）。相反，我们发现CLT对贫困和富裕家庭的影响在统计上显著，但仅限于贫困社区。此外，没有证据表明两种社区类型的贫困家庭之间存在不同的CLTS影响。汇总到社区层面可能会减少家庭财富的计量误差，从而为家庭SES或长期财富提供更可靠的计量。为了解决这一问题，我们额外使用户主（完成初等教育）作为家庭财富的代表，并且没有发现这一维度上存在异质影响的证据（见表19第1列）。其他住户特征稳定19 CLTS对OD的影响按住户特征统计。变量：主要受访者表现出ODHouse特征（在BL）：低ed。HoH女性HoH任何儿童（1）（2）（3）CLTS x No（γr）-0.04-0.03-0.03p值（天真）（0.04）（0.13）（0.12）p值（MHT稳健）[0.11][0.30][0.30]CLTS x是（γr+γd）-0.05-0.04-0.05p值（天真）（0.03）（0.04）（0.03）p值（MHT稳健）[0.08][0.08差异（γd）-0.01-0.01-0.02p-值（原始）（0.12）（0.50）（0.37）p值（MHT稳健）[0.45][0.77][0.77]DV控制平均值（EL，No）0.64 0.61 0.63DV控制平均值（EL，是）0.69 0.65 0.61No。TUs 246 246 246编号。obs的。12697 12697 12697注：所有规格均控制户主的年龄和就业状况以及家庭规模。

根据Romano和Wolf（2005），错误在社区层面聚集，并根据家庭错误率进行调整。人们通常认为，妇女和有子女的家庭可能表现出更高的意愿，愿意投资于卫生和卫生技术。在表19的第2列和第3列中，我们使用女性户主家庭和有子女家庭的指标对这些假设进行了检验，发现在这两个维度中均未发现异质CLTS影响。C、 3 CLTS对环卫投资影响的敏感性分析我们重新估算了表6，用其他三项社会经济条件指标取代了社区财富。CLTS增加了低夜光强度（见表20顶部面板）、低密度（第二面板）和高隔离度（第三面板）社区的厕所所有权（功能性和一般性）。使用这些替代社区SES措施，我们发现CLTS在富裕社区的卫生投资方面没有影响。与正文中表6所示的结果一样，我们发现很少有证据表明，就CLTS而言，Kar（2003）提出，妇女是“村庄动员和宣传活动中最强大的内部力量之一”。在个人安全和隐私方面，女性可以从私人卫生设施中获得更大的回报。其他健康促进投资的证据表明，在某些领域存在性别差异，如健康和儿童福利（Miller和Mobarak，2013）。现有厕所使用情况或共用情况方面的行为变化。有微弱迹象表明，在靠近LGA首都、夜光强度高且人口更稠密的地区，共用厕所的使用量有所增加。