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

1. Il Problema

Il paper affronta la sfida di stimare l'Effetto Medio del Trattamento Globale (GATE) in esperimenti condotti su reti sociali, dove è presente l'interferenza di rete (l'outcome di un'unità dipende dai trattamenti assegnati ai suoi vicini).

Il problema centrale è il compromesso (trade-off) tra tre fattori critici che influenzano l'errore quadratico medio (MSE) degli stimatori:

1. Interferenza di Rete: Quando i vicini hanno trattamenti diversi, si introduce un bias. I metodi tradizionali di randomizzazione a cluster (raggruppare nodi fortemente connessi e assegnare lo stesso trattamento) riducono questo bias, ma...
2. Omofilia (Homophily): Nelle reti sociali, i nodi simili tendono a connettersi tra loro ("birds of a feather flock together"). Se la randomizzazione a cluster allinea i cluster con gruppi omofili (es. gruppi demografici o comportamentali simili), si rischia di creare campioni di trattamento e controllo non rappresentativi. Questo può portare a una varianza elevata o a una mancata esposizione di certi sottogruppi al trattamento, aumentando l'errore di stima.
3. Robustezza alla Variazione Eterogenea: Le outcome possono variare in modo non spiegabile dalla struttura della rete (rumore non strutturato). Un design troppo deterministico (basato solo sulla rete) può fallire se le assunzioni sulla struttura sono errate o incomplete.

L'obiettivo è progettare un piano sperimentale che minimizzi il MSE nel caso peggiore, bilanciando dinamicamente la riduzione del bias da interferenza, la gestione dell'omofilia e la robustezza statistica.

2. Metodologia

Gli autori sviluppano un nuovo modello di outcome potenziali che decompone le outcome in componenti omofile, di interferenza e di variazione eterogenea.

A. Modello Matematico e Vincoli

Il modello definisce tre parametri di compromesso:

• $\eta$ (Omofilia): Misura la "liscezza" delle outcome rispetto alla struttura della rete (vincolo quadratico sul Laplaciano del grafo $L$).
• $\gamma$ (Interferenza): Misura l'intensità dell'interferenza tra vicini (vincolo sulla pseudo-inversa del Laplaciano $L^\dagger$).
• $\kappa$ (Robustezza): Misura la variazione eterogenea non spiegata dalla rete, vincolata tramite norme di Schatten (es. norma di Frobenius o norma operatore) sulla matrice di covarianza degli errori.

L'obiettivo è minimizzare il limite superiore del MSE dello stimatore Horvitz-Thompson (vanilla), che è noto per essere distorto in presenza di interferenza ma a bassa varianza. Il limite superiore del MSE è espresso come una funzione della matrice di covarianza del design $X = E[xx^T]$, dove $x$ è il vettore di assegnazione del trattamento codificato in $\{-1, 1\}$.

La funzione obiettivo da minimizzare è:
$$\min_X \left( \tilde{\eta} \text{Tr}(L^\dagger X) + \tilde{\gamma} \text{Tr}(LX) + \tilde{\kappa} \|X\|_q + \text{Tr}(\mathbf{1}\mathbf{1}^T X) \right)$$
Soggetta a vincoli di semidefinite positività ($X \succeq 0$) e diagonale unitaria.

• Il termine $\text{Tr}(LX)$ favorisce design clusterizzati (riduce l'interferenza).
• Il termine $\text{Tr}(L^\dagger X)$ favorisce design diffusi/sparsi (riduce l'impatto dell'omofilia bilanciando i covariati).
• Il termine $\|X\|_q$ favorisce la randomizzazione (robustezza contro la variazione eterogenea).

B. Algoritmi di Soluzione

Gli autori propongono due approcci complementari per risolvere questo problema di ottimizzazione:

1. SDP + Gaussian Rounding (Semidefinite Programming):

   • Si formula il problema come un Programma Semidefinito (SDP) rilassato per trovare la matrice di covarianza ottimale $X_{SDP}$.
   • Per ottenere un'assegnazione binaria reale ($\{-1, 1\}$), si utilizza una procedura di Gaussian Rounding (ispirata all'algoritmo di approssimazione di Goemans-Williamson per il problema MAXCUT). Si campiona un vettore gaussiano multivariato con covarianza $X_{SDP}$ e si arrotonda il segno (o si calibra per probabilità marginali $p$).
   • Questo approccio offre garanzie teoriche di approssimazione.

2. Gram-Schmidt Walk (GSW) Adattato:

   • Si adatta l'algoritmo Gram-Schmidt Walk (originariamente per il bilanciamento dei covariati) al contesto di interferenza.
   • L'algoritmo tratta il problema come un bilanciamento di covariati, dove i "covariati" sono derivati dai fattori spettrali della combinazione di Laplaciano e pseudo-inversa ($A = (\tilde{\eta}L^\dagger + \tilde{\gamma}L + \Delta \mathbf{1}\mathbf{1}^T)^{1/2}$).
   • Questo metodo è computazionalmente più efficiente per reti molto grandi rispetto all'SDP e fornisce garanzie di bilanciamento robusto.

3. Contributi Chiave

1. Quadro Unificante: Il paper formalizza per la prima volta un framework a tre vie che unifica la letteratura sull'interferenza di rete, l'omofilia e la robustezza alla varianza, mostrando come i design esistenti (es. randomizzazione a cluster, randomizzazione Bernoulli) siano casi limite di questo spettro.
2. Interpretazione Geometrica: Fornisce un'interpretazione naturale dell'interferenza e dell'omofilia trattando gli autovettori del Laplaciano scalati come covariati a livello di unità, creando un ponte concettuale tra il bilanciamento dei covariati e la minimizzazione dell'interferenza.
3. Algoritmi Pratici: Sviluppa e analizza due algoritmi pratici (SDP+Rounding e GSW adattato) che permettono di navigare questi compromessi in modo ottimizzato.
4. Analisi di Robustezza: Introduce vincoli basati sulle norme di Schatten per modellare la variazione eterogenea, permettendo di controllare il caso peggiore anche quando la struttura della rete è mal specificata o rumorosa.

4. Risultati

• Simulazioni su Dati Sintetici: Su reti generate con modelli a blocchi stocastici (SBM), Barabasi-Albert ed Erdős-Rényi, i design proposti (SDP e GSW) superano significativamente i metodi tradizionali (randomizzazione a cluster basata su Louvain, Spectral Clustering, Causal Clustering) e la randomizzazione Bernoulli uniforme, specialmente quando i livelli di omofilia e interferenza sono elevati.
• Dataset Reale (Villaggi Indiani): Utilizzando dati reali di reti sociali di villaggi in Karnataka (India), che mostrano forte omofilia basata sulle caste, gli autori dimostrano che i design clusterizzati tradizionali possono fallire nel caso peggiore se i cluster coincidono con le caste. I loro design ottimizzati riducono drasticamente il limite superiore del MSE nel caso peggiore.
• Confronto Algoritmi: L'SDP fornisce i limiti teorici più stretti (ottimali), mentre l'algoritmo Gram-Schmidt Walk offre prestazioni molto vicine con una complessità computazionale inferiore, rendendolo scalabile per reti più grandi.

5. Significato e Impatto

Questo lavoro è significativo perché risolve un dilemma fondamentale nella progettazione di esperimenti su reti sociali: come evitare il bias da interferenza senza sacrificare la rappresentatività statistica dovuta all'omofilia.

• Teorico: Estende la teoria della causalità in presenza di interferenza, fornendo limiti di errore rigorosi per lo stimatore Horvitz-Thompson che tengono conto della struttura della rete.
• Pratico: Offre agli sperimentatori (es. in microfinanza, marketing digitale, politiche pubbliche) strumenti flessibili per progettare esperimenti che non siano né troppo "clusterizzati" (rischio di bias da omofilia) né troppo casuali (rischio di bias da interferenza).
• Metodologico: Dimostra come tecniche di ottimizzazione convessa (SDP) e algoritmi di bilanciamento vettoriale (GSW) possano essere adattati per problemi complessi di inferenza causale, aprendo la strada a futuri sviluppi in contesti online e adattativi.

In sintesi, il paper propone una soluzione matematica rigorosa e computazionalmente fattibile per progettare esperimenti su reti che siano robusti, precisi e adattabili alla complessa interazione tra struttura sociale e trattamento.