Optimal Design under Interference, Homophily, and Robustness Trade-offs

1. El Problema: Estimación de Efectos en Redes con Interferencia y Homofilia

El objetivo central del trabajo es estimar el Efecto Promedio Global del Tratamiento (GATE) en experimentos donde las unidades (nodos) están conectadas en una red. El desafío surge de la violación de la Suposición de Unidad de Tratamiento Estable (SUTVA) debido a la interferencia de red: el resultado de un individuo no solo depende de su propio tratamiento, sino también de los tratamientos asignados a sus vecinos.

Además, las redes sociales suelen exhibir homofilia (la tendencia de individuos similares a conectarse entre sí). Esto crea una tensión fundamental en el diseño experimental:

• Enfoque tradicional (Aleatorización por Clúster): Asignar tratamientos a grupos de nodos altamente conectados reduce el sesgo por interferencia (evita que vecinos tengan tratamientos diferentes). Sin embargo, si la red es homofílica, estos clústeres pueden ser demográficamente homogéneos, lo que lleva a una mala representación de covariables y aumenta la varianza del estimador.
• Enfoque opuesto (Aleatorización Unitaria): Distribuir el tratamiento uniformemente mejora el equilibrio de covariables (reduciendo la varianza por homofilia), pero maximiza la interferencia entre vecinos con tratamientos distintos, introduciendo sesgo.

El papel propone un marco unificado para optimizar el diseño experimental equilibrando tres factores: Interferencia, Homofilia y Robustez ante variación heterogénea no explicada por la estructura de la red.

2. Metodología y Marco Teórico

Los autores desarrollan un modelo de resultados potenciales que descompone los resultados en componentes homofílicos, de interferencia y variación heterogénea residual.

A. Modelado de Trade-offs

Definen tres parámetros que cuantifican las limitaciones del sistema:

1. $\eta$ (Homofilia): Controla la suavidad de los resultados basales y los efectos del tratamiento a lo largo de la red. Se formaliza mediante una restricción cuadrática en el Laplaciano del grafo ($h^T L h \leq \eta$).
2. $\gamma$ (Interferencia): Limita la magnitud del componente de interferencia $s(z)$, también mediante el Laplaciano ($s(z)^T L^\dagger s(z) \leq \gamma$).
3. $\kappa$ (Robustez): Controla la variación heterogénea no explicada ($\epsilon$), restringida mediante normas de Schatten ($\|\Sigma\|_{q^*} \leq \kappa$). Esto permite manejar incertidumbre sobre covariables no observadas o errores en la medición de la red.

B. El Estimador y el Error Cuadrático Medio (MSE)

Se enfocan en el estimador de Horvitz-Thompson (vanilla) con probabilidad de tratamiento uniforme $p$. Derivan un límite superior para el MSE en el peor caso sobre la clase de modelos $\chi(\eta, \gamma, \kappa)$.

El límite del MSE se expresa como una función del matriz de covarianza del diseño $X = E[xx^T]$ (donde $x = 2z - 1$):
$$\sup E[(\hat{\tau} - \tau)^2] \leq C \left( \tilde{\eta}\text{Tr}(L^\dagger X) + \tilde{\gamma}\text{Tr}(LX) + \tilde{\kappa}\|X\|_q + \text{Tr}(\mathbf{1}\mathbf{1}^T X) \right)$$

Donde:

• $\text{Tr}(LX)$: Penaliza la interferencia (favorece diseños agrupados/clúster).
• $\text{Tr}(L^\dagger X)$: Penaliza la homofilia (favorece diseños dispersos para equilibrar covariables).
• $\|X\|_q$: Penaliza la falta de aleatorización (favorece diseños robustos ante variación no modelada).

C. Algoritmos de Optimización

Para encontrar el diseño óptimo (la matriz $X$ que minimiza el límite del MSE), proponen dos enfoques complementarios:

1. Programación Semidefinida (SDP) + Redondeo Gaussiano:

   • Formulan el problema como una minimización convexa sobre $X$ sujeta a $X \succeq 0$ y $\text{diag}(X)=1$.
   • Utilizan un procedimiento de redondeo gaussiano (inspirado en el algoritmo de Goemans-Williamson para MAXCUT) para convertir la solución continua $X_{SDP}$ en una asignación binaria de tratamiento $z \in \{0,1\}^n$.
   • Proporciona garantías teóricas de aproximación.

2. Algoritmo Adaptado de Gram-Schmidt Walk (GSW):

   • Adaptan el algoritmo de balanceo de vectores de Harshaw et al. (2024).
   • Trata el problema como un balanceo de covariables donde las "covariables" son inducidas por los factores espectrales de la matriz que combina interferencia y homofilia ($A = (\tilde{\eta}L^\dagger + \tilde{\gamma}L + \Delta \mathbf{1}\mathbf{1}^T)^{1/2}$).
   • Es computacionalmente más eficiente para redes grandes que la SDP.

3. Contribuciones Clave

• Marco Unificado: Formalizan por primera vez la compensación tridimensional entre interferencia, homofilia y robustez, recuperando diseños existentes (como aleatorización por clúster o Bernoulli) como casos límite de sus parámetros.
• Nueva Interpretación de la Homofilia: Conectan la literatura de balanceo de covariables con la de interferencia de red, interpretando los vectores propios escalados del Laplaciano como covariables unitarias.
• Algoritmos Prácticos: Proponen dos métodos (SDP y GSW) para generar diseños óptimos que navegan automáticamente entre la agrupación (para reducir interferencia) y la dispersión (para reducir sesgo por homofilia).
• Robustez ante Incertidumbre: Incorporan explícitamente la variación heterogénea y la posible mala especificación de la red observada mediante restricciones de normas de Schatten.

4. Resultados y Evaluación

Los autores evalúan sus diseños mediante experimentos en:

1. Datos Simulados: Generados a partir de Modelos de Bloques Estocásticos (SBM), Barabási-Albert y Erdős-Rényi.
2. Datos Reales: Una red de aldeas en Karnataka, India (datos de Banerjee et al., 2013), que exhibe homofilia basada en castas.

Hallazgos principales:

• Superioridad en el Peor Caso: En un amplio rango de niveles de interferencia y variación heterogénea, los diseños propuestos (SDP y GSW) superan consistentemente a los diseños estándar (aleatorización unitaria, aleatorización por clúster, Louvain, clustering espectral) en términos de MSE en el peor caso.
• Adaptabilidad:
  • Cuando la homofilia es alta ($\eta$ grande), el diseño tiende a dispersar el tratamiento para equilibrar los grupos demográficos.
  • Cuando la interferencia es alta ($\gamma$ grande), el diseño tiende a agrupar vecinos en el mismo tratamiento.
  • Cuando la variación heterogénea es alta ($\kappa$ grande), el diseño se vuelve más aleatorio (similar a Bernoulli) para garantizar robustez.
• Eficiencia Computacional: El algoritmo Gram-Schmidt Walk ofrece un equilibrio excelente entre calidad de la solución y tiempo de cómputo, siendo viable para redes más grandes donde la SDP se vuelve prohibitiva.

5. Significado e Impacto

Este trabajo es significativo porque:

1. Resuelve una paradoja de diseño: Muestra que no existe una solución única (ni puramente por clústeres ni puramente unitaria) para redes con interferencia y homofilia; la solución óptima es un compromiso dinámico.
2. Generaliza la teoría causal: Extiende los resultados de balanceo de covariables a entornos de red, proporcionando garantías teóricas rigurosas para el estimador de Horvitz-Thompson bajo interferencia.
3. Aplicabilidad Práctica: Ofrece herramientas computacionales (código y algoritmos) que los investigadores pueden utilizar para diseñar experimentos en redes sociales, plataformas digitales y estudios de difusión, asegurando estimaciones más precisas y robustas incluso cuando la estructura de la red o los efectos de tratamiento son complejos.

En resumen, el artículo establece un nuevo estándar para el diseño de experimentos en redes, proporcionando un marco matemático y algorítmico para navegar las compensaciones inevitables entre reducir el sesgo de interferencia y mantener la precisión estadística en presencia de homofilia.