📊 statistics

Causal Mediation Analysis for Network Data with Graph Neural Network

Este artículo propone un marco no paramétrico para el análisis de mediación causal en datos de red que utiliza redes neuronales de grafos para manejar la confusión de alta dimensión y los efectos de desbordamiento simultáneos del tratamiento y el mediador, permitiendo la identificación de efectos directos e indirectos con estimadores doblemente robustos y normalidad asintótica bajo interferencia de vecindad aproximada.

Autores originales: Peikai Wu, Zhiguo Xiao

Publicado 2026-08-14

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Peikai Wu, Zhiguo Xiao

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás tratando de entender por qué un rumor se propaga por una escuela. Podrías pensar: "Si le cuento un secreto a mi mejor amigo, él se lo contará a sus amigos y, eventualmente, todo el mundo lo sabrá". Pero, ¿qué pasaría si tu amigo solo cuenta el rumor porque lo escuchó de alguien más primero? ¿O qué tal si el rumor cambia a medida que viaja, convirtiéndose en una historia diferente para cuando llega al otro lado del patio de recreo? En el mundo de la ciencia, esto se llama análisis de mediación causal. Es como intentar abrir una caja negra para ver exactamente cómo una cosa (el "tratamiento") se convierte en otra (el "resultado") observando el paso intermedio (el "mediador"). Por lo general, los científicos asumen que cada persona es una isla, actuando solo según sus propias decisiones. Pero en la vida real, todos estamos conectados por redes invisibles de amistad, familia y redes sociales. Cuando las personas están conectadas, las acciones de una persona pueden desbordarse y afectar a sus vecinos, lo que hace increíblemente difícil distinguir quién hizo qué a quién. Este artículo aborda la realidad desordenada y enredada de esas redes conectadas.

Los autores, Peikai Wu y Zhiguo Xiao de la Universidad de Fudan, están abordando un dolor de cabeza específico en la ciencia de datos: cómo medir la causa y el efecto cuando las personas están vinculadas en una red gigante y compleja, y esos vínculos cambian la forma en que fluye la información. Están particularmente interesados en los efectos de desbordamiento (spillover effects), donde un tratamiento (como un nuevo método de enseñanza) no solo ayuda a la persona que lo recibe, sino también a sus amigos. Quieren saber: ¿Cuánto del éxito proviene de que la persona aprenda el material por sí misma (el efecto directo) y cuánto proviene de que ella transmita ese conocimiento a sus amigos (el efecto indirecto)?

El problema es que la mayoría de las herramientas matemáticas de la vieja escuela para este trabajo asumen que las personas están aisladas. Si intentas usar esas herramientas en un grupo conectado, obtendrás resultados confusos porque las herramientas no saben cómo manejar el "ruido" de los amigos influyendo en los amigos. Para solucionar esto, los autores construyeron un nuevo marco de trabajo súper flexible que no obliga a la red a tener una forma simple. En lugar de adivinar cómo se influyen los amigos entre sí, dejan que los datos hablen por sí mismos utilizando un tipo especial de inteligencia artificial llamado Red Neuronal de Grafos (GNN, por sus siglas en inglés). Piensa en una GNN como un detective que no solo mira el expediente de una persona, sino que recorre todo el mapa de amistad, aprendiendo cómo la información se propaga por todo el grupo capa por capa.

En su estudio, los autores probaron este nuevo detective contra métodos más antiguos y simples. Crearon redes ficticias de 1,000 a 4,000 personas y las programaron con reglas complejas y no lineales —lo que significa que la influencia no era solo un simple "el amigo A le dice al amigo B", sino una mezcla desordenada de amigos de segundo grado y patrones ocultos. Los resultados fueron claros: los métodos antiguos, que intentaban resumir la red simplemente promediando los rasgos de un amigo, erraron en las matemáticas. Estaban sesgados y perdieron los efectos reales. El nuevo método de GNN, sin embargo, navegó con éxito por la red enredada. Encontró las respuestas verdaderas con mucho menos error y proporcionó intervalos de confianza mucho más confiables.

Los autores también aplicaron su método a un estudio del mundo real sobre el seguro agrícola en la China rural. Querían saber si una sesión de capacitación ayudó a los agricultores a comprar seguros porque los agricultores realmente aprendieron sobre los seguros (conocimiento), o porque simplemente pensaron que más personas estaban comprando (percepción). El nuevo método reveló que la capacitación funcionó porque aumentó el conocimiento real, lo que luego condujo a más ventas. El ángulo de la "percepción", sin embargo, no fue un motor real. Esto demuestra que su nueva herramienta puede atravesar el ruido de la influencia social para encontrar el verdadero motor del cambio.

Al combinar matemáticas avanzadas con una IA flexible que entiende cómo funcionan realmente las redes, este artículo proporciona una nueva forma de desenredar la causa y el efecto en nuestro mundo conectado. Sugiere que cuando dejamos de pretender que las personas son islas y empezamos a usar herramientas que respetan la complejidad de nuestras redes sociales, finalmente podemos ver el verdadero camino de cómo las acciones se propagan a través de una comunidad.

Planteamiento del Problema
El análisis de mediación causal se basa tradicionalmente en el supuesto de la Unidad de Tratamiento Estable (SUTVA, por sus siglas en inglés), el cual postula que los resultados potenciales de un individuo y sus mediadores dependen únicamente de su propio tratamiento. Este supuesto se viola frecuentemente en poblaciones en red donde la interferencia (derrame o spillover) es prevalente. La literatura existente sobre inferencia causal en redes suele emplear mapeos de exposición para agregar tratamientos en vectores de baja dimensión, pero estos mapeos frecuentemente confunden la definición del estimando causal con la restricción estructural del mecanismo de interferencia. Cuando el verdadero mecanismo de interferencia no se alinea con un mapeo preespecificado, los resultados de identificación pierden su interpretación causal. Además, el análisis de mediación en entornos de red sigue siendo limitado, restringiéndose a menudo a entornos de interferencia parcial, modelos de ecuaciones estructurales lineales o al tratamiento de la propia estructura de la red como el mediador. Existe una falta de un marco capaz de manejar derrames simultáneos de tratamiento y mediador, confusión en red de alta dimensión y funciones estructurales no paramétricas dentro de una única red observada de gran tamaño.

Metodología
El artículo propone un marco no paramétrico para el análisis de mediación causal en una única red observada de gran tamaño.

Modelo e Identificación: Los autores definen un modelo estructural donde el resultado, el mediador y el tratamiento son generados por funciones desconocidas que dependen de las covariables individuales, la matriz de adyacencia y términos de error. Crucialmente, la función de resultado permite una dependencia arbitraria de los vectores de tratamiento y mediador de todos los individuos. Para definir estimandos causales sin restringir el verdadero mecanismo de interferencia, los autores introducen mapeos de exposición ( $T_i$ ) y de mediador ( $S_i$ ) que resumen el derrame de otros individuos ( $D_{-i}, M_{-i}$ ), manteniendo separado el tratamiento ( $D_i$ ) y el mediador ( $M_i$ ) propios de un individuo. Esta separación permite la definición de efectos "propios" (efecto directo controlado, efecto directo natural y efecto indirecto natural) distintos de los efectos de derrame.
Condiciones de Identificación: La ignorabilidad secuencial estándar es insuficiente debido a la dependencia de la red. Los autores proponen supuestos de independencia condicional fortalecidos, que requieren que el resultado potencial sea independiente de los vectores de tratamiento de todos los individuos y, para los efectos naturales, de los mediadores de todos los individuos. Se proporcionan condiciones suficientes primitivas en términos de la independencia de los términos de error estructural.
Estimación: Los autores construyen estimadores de Probabilidad Inversa Ponderada Aumentada (AIPW) para los efectos causales definidos. Estos estimadores son doblemente robustos para los efectos controlados y múltiplemente robustos para los efectos naturales. El desafío central es estimar las funciones de molestia (nuisance functions) de alta dimensión (regresiones de resultados y puntajes de propensión) que dependen de la estructura completa de la red.
Redes Neuronales de Grafos (GNN): Para abordar la confusión en red de alta dimensión sin preespecificar la agregación de características, los autores emplean Redes Neuronales de Grafos (específicamente una arquitectura de Agregación de Vecindad Principal). Las GNN toman las características de los nodos y la matriz de adyacencia como entradas directas, utilizando el paso de mensajes capa por capa para agregar información de los vecinos y de los vecinos de orden superior. Esto permite que el modelo aprenda automáticamente dependencias de red complejas y no lineales.
Teoría Asintótica: El artículo establece la normalidad asintótica para los estimadores AIPW bajo interferencia de vecindad aproximada y dependencia de red débil (modelada como un campo aleatorio $\psi$ -dependiente). También demuestra la consistencia de un estimador de varianza de red HAC (consistente en autocorrelación y heterocedasticidad) adaptado a la red, con anchos de banda ajustados al tamaño y la densidad de la red.

Contribuciones Clave

Desarrollo de Marco: El artículo desarrolla un marco para el análisis de mediación causal en una única red observada de gran tamaño donde ocurren simultáneamente derrames de tratamiento y de mediador. Extiende la distinción entre la definición de estimandos y la restricción de las estructuras de interferencia (como sugiere Sävje, 2024) al contexto de la mediación, separando claramente los efectos propios de los efectos de derrame.
Integración de GNN y Estimación Robusta: Combina el ajuste basado en GNN para la confusión en red de alta dimensión con la estimación robusta AIPW. Las funciones de molestia se aprenden de forma no paramétrica a partir de toda la red, y los estimadores resultantes poseen propiedades de doble o múltiple robustez. Esto aborda la brecha donde los métodos existentes tienen dificultades con la confusión no lineal de alta dimensión y la especificación errónea del mapeo de exposición.
Teoría de Inferencia: El artículo proporciona teoría asintótica para estos estimadores bajo una única red en crecimiento. A diferencia de trabajos previos que dependen de grupos independientes o modelos paramétricos, este permite una dependencia de red de orden arbitrario y la estimación de funciones de molestia no paramétricas. Establece condiciones para la normalidad asintótica y construye un estimador de varianza de red HAC consistente, permitiendo la inferencia válida para muestras grandes.

Resultados

Simulaciones: Los autores realizan simulaciones bajo modelos de grafos de Erdős–Rényi y de geometría aleatoria con derrames de red complejos y no lineales. El estimador basado en GNN supera significativamente a los Perceptrones Multicapa (MLP) y a los Bosques Aleatorios (RF) construidos sobre promedios de vecindad predefinidos manualmente. El estimador GNN logra un menor sesgo, mejor desviación estándar y una cobertura de intervalo de confianza cercana al nivel nominal del 95%, particularmente cuando el número de capas de la GNN coincide con el rango de dependencia del mecanismo generador de datos. En contraste, los métodos de aprendizaje automático convencionales exhiben un sesgo persistente y una cobertura deficiente debido a su incapacidad para capturar la dependencia de red de orden superior.
Aplicación Empírica: Se presenta un reanálisis de un experimento de seguros agrícolas en la China rural (Cai et al., 2015). El estudio encuentra que las sesiones intensivas aumentan significativamente la adopción de seguros. El análisis identifica el "conocimiento de seguros" como un canal mediador sustantivo, mientras que los mediadores basados en la percepción (tasa de adopción percibida o probabilidad de desastre subjetiva) muestran esencialmente cero efectos indirectos naturales. Esto transforma las discusiones informales sobre mecanismos en descomposiciones causales estimables y contrastables.

Significancia
El artículo afirma llenar un vacío crítico en la literatura al proporcionar el primer estudio sistemático de identificación, estimación e inferencia para el análisis de mediación causal en una única red grande bajo una estructura de interferencia general y un modelo no paramétrico. Al separar la definición de los estimandos de las restricciones estructurales de la interferencia y aprovechar las GNN para la estimación de funciones de molestia de alta dimensión, el marco propuesto ofrece una solución robusta para descomponer los efectos causales en presencia de complejos derrames de red. El desarrollo de una teoría de inferencia válida para muestras grandes para estos estimadores hace que el marco sea aplicable a datos de redes observacionales del mundo real donde la interferencia es la norma y no la excepción.

Más como este