Quasi-randomization tests for network interference: a random graph approach

Resumen Técnico: Pruebas de Cuasi-aleatorización para la Interferencia en Redes

Planteamiento del Problema
La interferencia en redes ocurre cuando el estado de tratamiento de una unidad afecta los resultados potenciales de otras, creando efectos de desbordamiento (spillover) que violan el Supuesto de Valor de Unidad de Tratamiento Estable (SUTVA). Mientras que la Prueba de Aleatorización de Fisher (FRT) es el estándar para probar hipótesis nulas agudas (sharp null hypotheses, sin efecto de tratamiento), probar la ausencia de efectos de desbordamiento presenta un problema de nulidad "no aguda". Bajo la hipótesis nula de no desbordamiento, los resultados contrafácticos para variaciones en las asignaciones de tratamiento no pueden imputarse porque la propia estructura de la red influye en la exposición.

La literatura existente aborda esto centrando la atención en un subconjunto de "unidades focales" y condicionando sobre su asignación de tratamiento (Aronow, 2012; Athey et al., 2018; Basse et al., 2019; Puelz et al., 2022). Sin embargo, estas pruebas de aleatorización condicional enfrentan dos limitaciones críticas:

1. Bajo Poder: A menudo sufren de una reducción en el poder estadístico, particularmente en ensayos aleatorizados por conglomerados (cluster-randomized trials) donde el espacio de asignación de tratamiento está restringido.
2. Degeneración: En diseños aleatorizados por conglomerados, condicionar sobre las unidades focales puede conducir a una distribución nula degenerada (donde el soporte de la distribución colapsa), imposibilitando una inferencia válida.

Metodología
Los autores proponen una prueba de cuasi-aleatorización que trata la red $G$ como una variable aleatoria generada por un proceso específico, en lugar de una cantidad fija. Este enfoque desplaza el objetivo de la inferencia de declaraciones condicionadas a la red realizada hacia declaraciones promediadas sobre redes hipotéticas generadas por el mismo proceso.

La metodología central involucra:

1. Marco de Grafos Aleatorios: La red se modela como un Modelo de Grafos Aleatorios Exponenciales (ERGM) o un grafo aleatorio con distribidades de grado arbitrarias. La hipótesis nula de no desbordamiento se define de tal manera que los resultados son invariantes a la estructura de la red, condicionados a las asignaciones de tratamiento directas y a las covariables del grafo.
2. Imputabilidad mediante la Aleatorización de la Red: Al fijar la asignación de tratamiento observada $Z_{obs}$ y aleatorizar sobre el proceso generador de la red $P(G|Z, G_X)$, el estadístico de la prueba se vuelve imputable bajo la hipótesis nula. Esto supera el problema de la no-imputabilidad inherente a los enfoques de red fija.
3. Pruebas de Permutación: Para evitar la intratabilidad computacional de estimar la distribución completa de la red $P(G)$, los autores desarrollan pruebas de permutación condicionales basadas en estadísticos suficientes:
   • Procedimiento 3 (Secuencia de Grados): Para grafos aleatorios con distribuciones de grado arbitrarias, la prueba condiciona sobre la secuencia de grados observada. Muestrea grafos de la clase de equivalencia de grafos que comparten la misma secuencia de grados, asumiendo equiprobabilidad.
   • Procedimiento 4 (Isomorfismo de Bloques): Para experimentos aleatorizados por conglomerados y ERGMs generales, la prueba condiciona sobre la secuencia de grados y las clases de isomorfismo de los subgrafos inducidos por los grupos de tratamiento y control. Esto asegura que la permutación respete las restricciones del diseño experimental (por ejemplo, la estructura de conglomerados) mientras genera una distribución nula no degenerada.

Contribuciones Clave
El artículo realiza tres contribuciones primordiales:

1. Integración Teórica: Integra el modelo de interferencia de grafos aleatorios dentro del marco de resultados potenciales, definiendo hipótesis nulas agudas y no agudas para modelos de grafos aleatorios y estableciendo la validez de muestra finita para las pruebas propuestas.
2. Resolución de Limitaciones Técnicas: El método resuelve los problemas de no-imputabilidad y degeneración en ensayos aleatorizados por conglomerados. Al aleatorizar sobre la distribución de la red en lugar de la asignación de tratamiento, el método evita el soporte restringido que causa el fallo de los métodos actuales de unidades focales.
3. Eficiencia Computacional: Las pruebas de permutación propuestas utilizan algoritmos rápidos de tiempo polinomial (por ejemplo, Viger y Latapy, 2005; Fosdick et al., 2018) para muestrear grafos con secuencias de grados fijas, lo que hace que el enfoque sea escalable para redes grandes.

Resultados
Los autores validan el método mediante extensos estudios de Monte Carlo y una aplicación empírica:

• Estudios de Simulación:
  • Error de Tipo I: Las pruebas propuestas mantienen tasas correctas de error de Tipo I (controladas en $\alpha = 0.05$) bajo diseños completamente aleatorizados y aleatorizados por conglomerados en modelos de redes de mundo pequeño (small-world) y de bloques estocásticos.
  • Poder: Las pruebas de cuasi-aleatorización demuestran un poder sustancialmente mejorado en comparación con las pruebas focales condicionales existentes (Athey et al., 2018). Esta ganancia es particularmente pronunciada en ensayos aleatorizados por conglomerados y entornos con alta agrupación (por ejemplo, modelos de bloques estocásticos), donde los métodos existentes suelen sufrir de pérdida de poder o degeneración.
  • Robustez: El método retiene su poder incluso cuando la función de resultado potencial incluye covariables dependientes del grafo (por ejemplo, efectos de grado).
• Aplicación Empírica:
  • Los autores reanalizan un experimento de adopción de seguros climáticos en la China rural (Cai et al., 2015).
  • Utilizando la prueba de permutación de isomorfismo de bloques (Procedimiento 4) en un subconjunto de 433 hogares, encontraron evidencia significativa de desbordamiento de información ($p = 0.0126$).
  • El resultado sugiere que los hogares que reciben sesiones intensivas de información transmiten el conocimiento a sus vecinos, un hallazgo que sería oscurecido o sesgado si se ignorara la interferencia.

Significancia y Reivindicaciones
El artículo argumenta que tratar la red como una variable aleatoria ofrece una alternativa estadísticamente poderosa y computacionalmente tratable a la inferencia de red fija. Los autores afirman que su enfoque es "exactamente válido en muestras finitas" bajo supuestos leves sobre el proceso generador de la red.

La significancia del trabajo radica en su capacidad para probar la interferencia en todas las unidades de la población, en lugar de en un subconjunto restringido, y su capacidad para funcionar eficazmente en ensayos aleatorizados por conglomerados, un escenario donde los métodos de vanguardia actuales suelen fallar debido a la degeneración. Los autores reconocen que esta ganancia de poder conlleva el costo de un supuesto respecto al proceso generador de la red (por ejemplo, el ERGM o la distribución de grados), presentando esto como un intercambio entre el posible sesgo por error de especificación del modelo y la mejora en el poder inferencial. Posicionan este intercambio como razonable para muchos entornos prácticos donde la red observada es una realización de un proceso social continuo.