Resumen Técnico: Efectos de Desbordamiento de Orden Superior bajo Interferencia Parcial

Planteamiento del Problema

La inferencia causal en entornos de red se complica por la interferencia, donde el resultado de una unidad depende de los tratamientos de otras unidades. Aunque la literatura existente a menudo se basa en la suposición de interferencia de vecindad (limitando la interferencia a los vecinos directos) o en la suposición de interferencia parcial (limitando la interferencia a grupos predefinidos), estos enfoques enfrentan limitaciones significativas:

1. Alcance Restrictivo: En escenarios que involucran la difusión de resultados (por ejemplo, transmisión de enfermedades, propagación de información), la interferencia suele extenderse más allá de los vecinos directos hacia distancias de red de orden superior.
2. Riesgos de Especificación Errónea: Los métodos estándar requieren especificar una función de mapeo de exposición (un resumen de los tratamientos en un conjunto de interferencia, por ejemplo, la proporción de vecinos tratados). Si el conjunto de interferencia o la función de mapeo son mal especificados (por ejemplo, asumiendo que solo importan los vecinos de primer orden cuando existen efectos de segundo orden, o usando un proxy binario para una exposición continua), los estimadores resultan sesgados.
3. Falta de Desentrañamiento de Orden Superior: Los métodos actuales tienen dificultades para desentrañar los efectos de desbordamiento originados en distidades de red específicas (por ejemplo, distinguir entre vecinos de primer y segundo orden) sin depender de supuestos paramétricos fuertes y potencialmente incorrectos sobre el mecanismo de interferencia.

Metodología

1. Suposición de Interferencia Generalizada

Los autores proponen una Suposición de Interferencia Parcial Generalizada (Suposición 4). A diferencia de las suposiciones tradicionales que restringen la interferencia a los vecinos directos o a grupos enteros, este marco permite que el resultado potencial de una unidad dependa de los tratamientos dentro de un conjunto de interferencia $I_{ij}$ conservador. Crucialmente, este enfoque no requiere especificar una función de mapeo de exposición de resumen $g(\cdot)$ para reducir el vector de tratamiento a un escalar o a un vector de baja dimensión. Esto evita el sesgo derivado de formas funcionales incorrectas de la interferencia.

2. Estimandos Causales: Efectos de Desbordamiento de Orden $h$

El artículo define nuevos estimandos causales para cuantificar los efectos de desbordamiento provenientes de unidades a una distancia de red específica $h$.

• Asignación Hipotética: Los autores introducen una asignación de tratamiento Bernoulli hipotética donde:
  • Las unidades en el vecindario de orden $h$ ($C^h_{ij}$) son asignadas al tratamiento con una probabilidad $\alpha_h$.
  • Las unidades en el resto del conjunto de interferencia ($C_{i\setminus(j, C^h_{ij})}$) son asignadas al tratamiento con una probabilidad $\alpha$.
• Definición: El efecto de desbordamiento de orden $h$, $SE^h(\alpha_h, \alpha'_h; a, \alpha)$, se define como la diferencia en los promedios poblacionales de los resultados potenciales cuando la probabilidad de asignación para el vecindario de orden $h$ cambia de $\alpha'_h$ a $\alpha_h$, manteniendo fijo el tratamiento individual $a$ y la asignación del resto del conjunto de interferencia $\alpha$.

3. Estimadores

Para estimar estos efectos sin depender de funciones de mapeo de exposición, los autores desarrollan tres estimadores no paramétricos y semiparamétricos bajo un diseño aleatorio de dos etapas:

• Estimador de Horvitz-Thompson (HT): Un promedio ponderado de los resultados observados utilizando pesos de probabilidad inversa. Es insesgado pero puede sufrir de alta varianza debido a pesos extremos.
• Estimador de Hajek: Un estimador de razón (HT normalizado) que estabiliza la varianza al dividir la suma ponderada de los resultados por la suma ponderada de los pesos. Es consistente y asintóticamente insesgado.
• Estimador de Mínimos Cuadrados Ponderados (WLS): Un enfoque basado en regresión que modela la relación entre el resultado y la probabilidad hipotética $\alpha_h$ (por ejemplo, un modelo estructural marginal lineal). Utiliza pesos de HT para corregir el sesgo de selección pero gana eficiencia al modelar la estructura del resultado.

4. Análisis de Sesgo por Especificación Errónea

El artículo deriva fórmulas teóricas de sesgo (Proposición 2 y Corolarios 1 y 2) para estimadores que dependen de conjuntos de interferencia mal especificados o funciones de mapeo de exposición.

• Demuestra que el uso de un conjunto de interferencia incorrecto (por ejemplo, restringirse a vecinos de primer orden cuando la interferencia es de segundo orden) o una función de mapeo incorrecta conduce a la identificación de un promedio ponderado de los resultados potenciales bajo la estructura real, en lugar del verdadero efecto causal.
• Específicamente, la omisión de términos de orden superior en una regresión (OLS) induce un sesgo por variable omitida debido a la correlación entre las métricas de exposición en diferentes distancias de red, a menudo exacerbado por el diseño de aleatorización de dos etapas (Paradoja de Simpson).

Resultados Clave

Estudio de Simulación

Los autores realizaron simulaciones de Monte Carlo a través de cuatro escenarios (sin interferencia, primer orden, segundo orden y segundo orden con interacción) y diversas estructuras de red (grafos de Erdős–Rényi y regulares).

• Sesgo: Los propuestos estimadores HT, Hajek y WLS se mantuvieron insesgados en todos los escenarios, incluyendo aquellos con interferencia de orden superior e interacciones. En contraste, los estimadores OLS estándar que dependen de conjuntos de interferencia restrictivos (por ejemplo, $OLS(G_1)$) o de mapeos de exposición mal especificados exhibieron un sesgo significativo.
• Varianza: El estimador HT mostró la mayor varianza, particularmente con conjuntos de interferencia grandes. Los estimadores de Hajek y WLS demostraron una menor varianza, siendo el WLS generalmente el más eficiente debido al suavizado paramétrico, siempre que la especificación del modelo fuera razonable.
• Densidad de Red: La varianza del estimador de Hajek fue sensible a la densidad de la red ($p$). Para efectos de primer orden, la varianza aumentó con la densidad; para efectos de segundo orden, la varianza alcanzó su punto máximo en densidades intermedias y disminuyó a medida que las redes se saturaban.

Aplicación Empírica: Ensayo de Salud Materno-Infantil en Honduras

Los métodos se aplicaron a un ensayo aleatorizado de dos etapas en Honduras que involucró a 176 aldeas y una intervención de salud materno-infantil.

• Desbordamientos de Primer Orden: Para los individuos tratados, los efectos de desbordamiento de primer orden siguieron una forma de U invertida, alcanzando su punto máximo con una saturación de tratamiento moderada ($\alpha \approx 0.5$) y declinando con una mayor saturación (sugiriendo saturación de información). Los individuos no tratados mostraron efectos de desbordamiento insignificantes.
• Desbordamientos de Segundo Orden: Los efectos de segundo orden fueron más fuertes cuando el tratamiento era escaso (bajo $\alpha$) y disminuyeron a medida que el tratamiento se volvía prevalente, sugiriendo un mecanismo de sustitución donde los vecinos directos llenan los vacíos de información.
• Heterogeneidad: Los individuos tratados se beneficiaron significativamente más de los desbordamientos de sus pares que los individuos no tratados, lo cual se atribuye a una mayor capacidad de absorción y preparación de base.

Significación y Reivindicaciones

El artículo afirma proporcionar un marco robusto para estimar efectos de desbordamiento de orden superior sin depender de supuestos restrictivos sobre el mecanismo de interferencia o la forma funcional específica de la exposición.

• Robustez ante la Especificación Errónea: Al evitar las funciones de mapeo de exposición, los estimadores propuestos evitan el sesgo inherente a los enfoques "naíf" que especifican incorrectamente el alcance o el mecanismo de la interferencia.
• Flexibilidad: El marco permite a los investigadores definir conjuntos de interferencia de manera conservadora (por ejemplo, todas las unidades alcanzables mediante caminos finitos) y aún así estimar efectos causales bien definidos a distancias de red específicas.
• Utilidad Práctica: La aplicación empírica demuestra que ignorar la interferencia de orden superior o usar supuestos restrictivos puede ocultar patrones complejos, como la relación no monotónica entre la saturación del tratamiento y la magnitud del desbordamiento.
• Compromiso (Trade-off): Los autores reconocen que, si bien su enfoque conservador garantiza la robustez, esto puede tener un costo en términos de eficiencia (intervalos de confianza más amplios) en comparación con los métodos que especifican correctamente la estructura de la interferencia. Recomiendan este enfoque cuando la complejidad de los procesos sociales hace que sea imprudente comprometerse con mapeos de exposición restrictivos.