Experimental Design under Network Interference

Sintesi Tecnica: Progettazione Sperimentale sotto Interferenza di Rete

Definizione del Problema
Questo articolo affronta la sfida di progettare esperimenti a due fasi per stimare gli effetti del trattamento in presenza di interferenza di rete (spillover). A differenza dei classici design a cluster o a saturazione che assumono cluster indipendenti, questo scenario coinvolge una singola rete connessa in cui l'interferenza è locale (le unità interagiscono principalmente con i propri vicini). La difficoltà principale risiede nel fatto che la progettazione sperimentale ottimale richiede la conoscenza delle varianze e delle covarianze degli esiti, che sono tipicamente ignote e dipendono dalla struttura della rete e dalle assegnazioni dei trattamenti. Inoltre, la randomizzazione standard può produrre stime imprecise in presenza di interferenza ed eteroschedasticità. L'articolo mira a sviluppare un protocollo che utilizzi uno studio pilota per stimare questi componenti di varianza e, successivamente, ottimizzare la selezione dei partecipanti e l'assegnazione dei trattamenti dell'esperimento principale per minimizzare la varianza di un estimatore lineare predefinito.

Metodologia
Il framework proposto, denominato "Experiment under Local Interference" (ELI), opera in due fasi:

1. Studio Pilota (Fase 1):

   • Selezione: Un sottoinsieme di unità viene selezionato come pilota. Fondamentalmente, l'algoritmo di selezione (Algoritmo 1) minimizza il numero di archi tra le unità pilota e le unità non pilota (un'ottimizzazione min-cut). Ciò assicura che le unità pilota e i loro vicini immediati siano esclusi dall'esperimento principale.
   • Razionale: L'esclusione delle unità pilota e dei loro vicini impedisce che la progettazione dell'esperimento principale diventi statisticamente dipendente dalle variabili non osservabili del pilota, preservando così l'unconfoundedness (assenza di confondimento) degli estimatori dell'esperimento principale.
   • Stima: I trattamenti sono randomizzati all'interno del pilota. I dati del pilota vengono utilizzati per stimare le varianze condizionali degli esiti ($\sigma^2$) e le covarianze tra vicini ($\eta$) come funzioni dello stato del trattamento, delle mappature di esposizione (ad esempio, numero di vicini trattati) e delle covariate.

2. Esperimento Principale (Fase 2):

   • Ottimizzazione della Progettazione: Utilizzando le stime di varianza e covarianza derivate dal pilota, il ricercatore risolve un problema di ottimizzazione (Algoritmo 2) per selezionare i partecipanti ($R$) e assegnare i trattamenti ($D$) per l'esperimento principale.
   • Obiettivo: Il design minimizza la stima plug-in della varianza condizionale di un estimatore lineare specificato dall'utente (ad esempio, differenza di medie, estimatori aggiustati per regressione) per target di estimandi quali effetti diretti, effetti di spillover o effetti complessivi.
   • Vincoli: L'ottimizzazione è soggetta a vincoli di budget (dimensione massima del campione) e al vincolo di esclusione derivato dal pilota (nessuna unità pilota o i suoi vicini possono partecipare).

3. Estensioni:

   • Randomizzazione: Il framework può essere modificato (Appendice A.1) per includere una fase di re-randomizzazione. Ciò consente l'inferenza basata sul design su ipotesi nulle nette (sharp null hypotheses) mantenendo una precisione quasi ottimale per l'inferenza basata sul modello, scambiando una piccola quantità di varianza con un aumento della randomizzazione.
   • Informazione Parziale sulla Rete: Il metodo è esteso a scenari in cui la rete completa non è osservata (Appendice A.4), utilizzando l'imputazione per gli archi mancanti sotto l'assunto che il pilota sia estratto da una componente disconnessa.
   • Dipendenza di Ordine Superiore: Il framework accoglie la dipendenza che si estende oltre i vicini immediati (fino al grado $M$) escludendo i vicini fino al grado $M$ dall'esperimento principale.

Risultati Teorici Chiave

• Incorrettezza (Unbiasedness): L'articolo stabilisce le condizioni sufficienti (Proposizione 3.1) sotto le quali l'esperimento principale produce stimatori non distorti di estimandi basati sul modello. Ciò si basa sull'esclusione delle unità pilota e dei loro vicini dall'esperimento principale.
• Garanzie di Regret: Il Teorema 4.1 fornisce un limite di regret che caratterizza la differenza tra la varianza del design a due fasi proposto e quella di un design "oracle" (che conosce le vere funzioni di varianza/covarianza e non affronta i vincoli indotti dal pilota). Il regret converge a zero a un tasso governato dalla dimensione del pilota ($\bar{m}$) e dal rapporto tra la dimensione del pilota e quella dell'esperimento principale.
• Condizioni sulla Dimensione del Pilota: L'articolo deriva le condizioni sufficienti affinché la dimensione del pilota raggiunga una precisione quasi ottimale. Specificamente, per reti sparse, si dimostra che una dimensione del pilota che scala come $\bar{m} \gtrsim \bar{n}^{2/3}$ è sufficiente per rendere trascurabile il regret (Corollario 4.2).
• Inferenza Asintotica: Il Teorema 4.3 stabilisce la normalità asintotica dell'estimatore, condizionata al meccanismo di assegnazione realizzato, consentendo intervalli di confidenza validi utilizzando un estimatore di varianza consistente derivato dai dati dell'esperimento principale.

Risultati Empirici
Gli studi numerici utilizzando reti reali di amicizia nei villaggi (Cai et al., 2015) e reti simulate Erdős–Rényi e Barabási–Albert dimostrano l'efficacia del metodo ELI:

• Performance: Il metodo proposto raggiunge uniformemente una varianza di campionamento inferiore rispetto ai competitor allo stato dell'arte, inclusi il clustering di grafi (3-$\epsilon$ net), i design di saturazione e la semplice assegnazione casuale.
• Eteroschedasticità: I vantaggi del design ELI sono più pronunciati in presenza di eteroschedasticità e covarianze non nulle, dove la randomizzazione standard o il clustering non riescono a tenere conto della specifica struttura della varianza.
• Osservazione Parziale: Anche con reti parzialmente osservate, il metodo ELI supera l'allocazione casuale.
• Efficienza della Dimensione del Campione: Il metodo può raggiungere la stessa varianza del miglior competitor con una riduzione fino al 40% del numero totale di unità richieste.

Significatività e Rivendicazioni
L'articolo sostiene di fornire il primo framework statistico per design sperimentali a due fasi ottimali per la varianza sotto interferenza di rete. Il suo contributo primario è dimostrare che l'incorporazione di uno studio pilota per stimare le strutture di varianza e covarianza può migliorare sostanzialmente la precisione delle stime degli effetti del trattamento rispetto ai design che non utilizzano tali informazioni. Il lavoro colma il divario tra la progettazione sperimentale e l'inferenza causale in contesti di rete, offrendo un protocollo pratico (selezione del pilota tramite min-cut seguita da ottimizzazione della minimizzazione della varianza) che è teoricamente fondato ed empiricamente validato. Gli autori sottolineano che, sebbene il metodo assuma un'interferenza locale e reti sparse, offre un approccio robusto per contesti in cui l'interferenza è una caratteristica naturale dei dati, come negli esperimenti sul campo riguardanti programmi sociali o piattaforme online.