Resumen Técnico: Inferencia Causal bajo Interferencia de Red

1. Planteamiento del Problema

La inferencia causal tradicional se basa en el Supuesto de Valor de la Unidad de Tratamiento Estable (SUTVA, por sus siglas en inglés), el cual postula que los resultados potenciales de una unidad no se ven afectados por las asignaciones de tratamiento de otras unidades. Sin embargo, en poblaciones interconectadas —que van desde redes sociales hasta mercados económicos— este supuesto se viola frecuúentemente. El artículo aborda el desafío de inferir efectos causales cuando existe interferencia, definida como el fenómeno donde la asignación de tratamiento de una unidad afecta los resultados de otras.

Los autores distinguen entre dos formas primarias de interferencia:

• Spillover (Efecto de desbordamiento): Efectos directos donde el resultado de una unidad es influenciado por las asignaciones de tratamiento de sus vecinos (por ejemplo, un adolescente comprando ropa porque un amigo fue expuesto a un anuncio).
• Contagion (Contagio): Efectos indirectos donde el resultado de una unidad es influenciado por los resultados de otros, los cuales a su vez fueron influenciados por asignaciones de tratamiento (por ejemplo, un adolescente comprando ropa porque observó a un amigo usándola, independientemente de si el amigo fue dirigido directamente por el tratamiento).

El artículo revisa avances recientes en la detección, identificación y estimación de efectos causales bajo estas condiciones, basándose en la inferencia causal, la ciencia de redes y disciplinas relacionadas.

2. Metodología y Marco Teórico

2.1 Notación y Resultados Potenciales

Los autores adoptan el marco de resultados potenciales de Rubin, extendiéndolo para permitir que los resultados potenciales $Y_i(x)$ dependan del vector completo de tratamiento $x \in \{0, 1\}^N$. Distinguen entre:

• Resultados Potenciales Fijos ($y(\cdot)$): Los resultados son tratados como constantes fijas, con la aleatoriedad surgiendo únicamente del mecanismo de asignación de tratamiento.
• Resultados Potenciales Aleatorios ($Y(\cdot)$): Los resultados son tratados como variables aleatorias generadas por un proceso estocástico.

La interferencia se representa mediante grafos de interferencia (que definen qué unidades pueden afectar a otras) y mapeos de exposición (que reducen el vector de tratamiento de alta dimensión $x$ a una exposición de baja dimensión $d$).

2.2 Objetos de la Inferencia Causal

El artículo revisa diversas definiciones de efectos causales:

• Efecto de Tratamiento Promedio Global (GATE): La diferencia en los resultados promedio entre un escenario donde todas las unidades son tratadas frente a uno donde ninguna lo es ($\tau(1, 0)$).
• Efectos Directos e Indirectos: Descomposiciones del efecto total en el impacto del propio tratamiento de una unidad (directo) y el impacto de los tratamientos de otros (indirecto/desbordamiento).
• Efectos Basados en la Exposición: Efectos definidos por niveles de exposición específicos (por ejemplo, número de vecinos tratados) en lugar de vectores de tratamiento específicos.

2.3 Identificación

La identificación de los efectos causales depende de la ignorabilidad (la asignación de tratamiento es independiente de los resultados potenciales) o la ignorabilidad condicional (independencia dada las covariables observadas).

• En entornos experimentales con control completo, la aleatorización asegura la identificación.
• En entornos observacionales, la identificación requiere que la asignación de tratamiento sea independiente de los resultados potenciales dados los covariables observados y el grafo de interferencia.

2.4 Estrategias de Estimación

El artículo categoriza los estimadores en dos clases principales:

• Estimadores Basados en el Diseño: Estos dependen del mecanismo de aleatorización sin modelar el proceso de resultado. Ejemplos clave incluyen los estimadores de Horvitz-Thompson y Hájek, que utilizan el ponderado por el inverso de la probabilidad (propensity score) para estimar efectos directos o efectos basados en mapeos de exposición.
• Estimadores Basados en Modelos: Estos asumen un modelo paramétrico o semiparamétrico para los resultados potenciales. Los ejemplos incluyen los estimadores doblemente robustos, que combinan el modelado de resultados con el modelado de la probabilidad de tratamiento para lograr consistencia si cualquiera de los dos modelos es correcto.

2.5 Detección de la Interferencia

Los autores revisan pruebas de aleatorización condicional (por ejemplo, Aronow [1]) para detectar la presencia de interferencia. Estas pruebas condicionan sobre un subconjunto de unidades focales para crear una hipótesis nula nítida. El artículo señala que, si bien estas pruebas son efectivas para detectar el spillover (interferencia basada en la vecindad), a menudo fallan en detectar el contagio, ya que el contagio puede violar los supuestos de exposición de vecindad que sustentan los estadísticos de prueba estándar.

3. Resultados Clave y Hallazgos

3.1 El Entrelazamiento de los Efectos

A través de expresiones de forma cerrada derivadas de modelos de esperanza condicional lineal (específicamente Campos Aleatorios de Markov Gaussianos), los autores demuestran que los efectos de tratamiento, desbordamiento y contagio están profundamente entrelazados. Incluso en escenarios simples, el efecto causal total es una función compleja del efecto directo del tratamiento, el coeficiente de desbordamiento y el coeficiente de contagio. Crucialmente, el contagio puede amplificar o atenuar el efecto total, pero no puede revertir su signo bajo las condiciones estudiadas.

3.2 Limitaciones de los Supuestos de Exposición de Vecindad

El artículo destaca una limitación crítica en la metodología actual: muchos estimadores y pruebas asumen exposición de vecindad (los resultados dependen solo del propio tratamiento de una unidad y de los tratamientos de sus vecinos).

• Violación por Contagio: El contagio permite que las asignaciones de tratamiento de no-vecinos afecten los resultados indirectamente.
• Evidencia de Simulación: Las simulaciones muestran que, mientras las pruebas estándar detectan con éxito el spillover, fallan en detectar la interferencia impulsada puramente por el contagio. Esto se debe a que los estadísticos de la prueba dependen de estructuras de vecindad que el contagio evade.

3.3 Alcance de las Conclusiones Causales: Grafos Fijos vs. Aleatorios

Una parte significativa del artículo analiza el alcance de las conclusiones causales basándose en si el grafo de interferencia se trata como fijo o aleatorio.

• Grafos Fijos: Condicionar sobre un grafo de interferencia específico limita el alcance de las conclusiones. Si el grafo varía significativamente (por ejemplo, la presencia o ausencia de "influencers" o superestrellas), las conclusiones derivadas de un grafo pueden no generalizarse a otro.
• Grafos Aleatorios: Tratar el grafo como aleatorio permite que las conclusiones se generalicen a través de diferentes estructuras de red (por ejemplo, de grafos dispersos a densos), siempre que el proceso generador del grafo esté correctamente especificado.
• Simulación sobre la Variabilidad: Las simulaciones que involucran "superestrellas" (nodos con alta conectividad) demuestran que la alta variabilidad en los grafos de interferencia conduce a distribuciones multimodales de los resultados potenciales. Condicionar sobre un grafo sin superestrellas produce resultados promedio diferentes que condicionar sobre un grafo con ellas, ilustrando que las conclusiones causales son altamente sensibles a la estructura de la red.

3.4 Validez Externa

El artículo identifica la validez externa (generalizabilidad y transportabilidad) como un problema abierto de gran envergadura. Los métodos actuales luchan por generalizar los hallazgos de una muestra a una población cuando existe interferencia, particularmente porque los resultados de las unidades muestreadas pueden verse afectados por unidades no muestreadas (contagio).

4. Significado y Problemas Abiertos

El artículo se posiciona como una revisión exhaustiva del estado del arte en la inferencia causal bajo interferencia, cerrando brechas entre la inferencia causal teórica, la ciencia de redes y campos aplicados como la salud pública y la economía.

Significancia:

• Clarifica la distincción entre spillover y contagio, mostrando que los métodos estándar a menudo confunden o pasan por alto este último.
• Demuestra que la elección entre resultados potenciales fijos o aleatorios, y grafos de interferencia fijos frente a aleatorios, altera fundamentalmente el alcance y la validez de las conclusiones causales.
• Proporciona un marco riguroso para entender cómo la estructura de la red (por ejemplo, la presencia de influencers) actúa como un confusor o modificador de efecto en el análisis causal.

Problemas Abiertos Identificados:

1. Detección de Contagio: Desarrollar pruebas que no dependan de los supuestos de exposición de vecindad para detectar la interferencia derivada del contagio.
2. Efectos de la Estructura de Red: Comprender cómo características de alta dimensión de las redes (más allá de simples conteos de grado, como la estructura de comunidades o nodos "puente") afectan los efectos causales.
3. Datos Indexados en el Tiempo: Extender la inferencia causal a entornos con observaciones repetidas donde el tratamiento y los resultados evolucionan en el tiempo.
4. Datos Indexados en el Espacio y el Tiempo: Abordar la interferencia espacial donde las conexiones están ponderadas por la distancia.
5. Más allá de las Medias: Ir más allá de la estimación de las medias de los resultados potenciales para comprender cómo los tratamientos afectan a toda la distribución (varianza, colas, multimodalidad) de los resultados, especialmente en presencia de variabilidad de red.

Los autores concluyen que, si bien se han logrado avances significativos en la identificación y estimación de efectos causales bajo interferencia, el campo permanece en su infancia respecto a la detección del contagio, la generalización de resultados a través de diversas estructuras de red y el manejo de dependencias temporales y espaciales.