技術要約：因果的クラスタリング：ネットワーク干渉下におけるクラスター実験の設計

1. 問題提起

本論文は、既知のネットワークを通じてユニットが相互作用し、スピルオーバー効果（干渉）が生じる設定における、クラスター実験の設計について扱っている。このような環境では、標準的な個体レベルのランダム化（ベルヌーイ・デザイン）は、クラスター間の曝露によって生じるバイアスにより、グローバル平均治療効果（GATE）を特定できないことが多い。逆に、クラスター・ランダム化は、クラスター全体を治療群または対照群に割り当てることでこのバイアスを排除するが、クラスター内の割り当ての相関やクラスター・サイズの不均一性による分散を導入することになる。

核心となる課題は、事前に指定された行政上のクラスター（例：村）や標準的なコミュニティ検出アルゴリズムが、因果推論にとって最適であるとは限らないことである。これらは、あまりに粗大すぎる（高い分散を導入する）か、あるいは細かすぎる（関連するスピルオーバーを捉えきれず、バイアスを導入する）可能性がある。著者らは、クラスタリングの選択を統計的な設計問題として定式化している。すなわち、GATEの差の平均（difference-in-means）推定量の最悪ケースの平均二乗誤差（MSE）を最小化するような、ネットワークの分割を選択するという問題である。

2. 方法論とフレームワーク

2.1 局所漸近フレームワーク

著者らは、スピルオーバー効果が「ゼロに局所的（local to zero）」であるが、推論においては無視できないという局所漸近フレームワークを用いて、この問題を定式化している。

• 仮定1（一次局所干渉）： 潜在的結果は、個人の処置およびその隣接ノードの処置のみに依存する。
• 仮定2（有界性とリプシッツ連続性）： 潜在的結果は一様に有界であり、スピルオーバーの大きさはパラメータ $\bar{\phi}_n$ によって抑えられる。具体的には、潜在的結果の変化は、処置を受けた隣接ノードの割合に対して線形であり、その傾きは $\bar{\phi}_n$ によって抑えられる。
• 仮定3（スピルオーバー局所漸近性）： 最大スピルオーバー量と最大次数の二乗の積の極限は、$\limsup \bar{\phi}_n N_{n,max}^2 \leq \epsilon$ である。これにより、直接効果とスピルオーバー効果が同程度の大きさであるシナリオ（オンラインプラットフォームなどで、効果は小さいが経済的に重要なケース）が可能となる。

2.2 バイアスと分散の特性化

本論文では、与えられたクラスタリング $C_n$ の下での差の平均推定値 $\hat{\tau}_n(C_n)$ のバイアスと分散について、厳密な最悪ケースの特性化を導出している。

• 最悪ケースのバイアス： バイアスは、「クラスター間の連結性」によって支配される。これは、個人の隣接ノードのうち、割り当てられたクラスターの外にあるノードの平均割合 $b_n(C_n)$ として定義される。最悪ケースのバイアスは $\bar{\phi}_n b_n(C_n)$ に比例する。
• 最悪ケースの分散： 局所漸近フレームワークの下で、分散はクラスタリング・デザインによって誘発されるクラスター内の相関によって漸近的に駆動される。これは、アウトカムの範囲 $\bar{\psi}$ でスケールされた、クラスター・サイズの二乗和（$\sum n_k^2$）に比例する。
• 最悪ケースのMSE： これらを組み合わせると、最小化すべき目的関数は以下の通りとなる：
  $$B^*_n(C_n, \lambda) = \bar{\psi} \frac{1}{n^2} \sum_{k=1}^{K_n} n_k^2 + \lambda \bar{\phi}_n^2 b_n(C_n)^2$$
  ここで、$\lambda$ はユーザー指定の重み（通常、MSEの場合は1）である。

2.3 最適化アルゴリズム

著者らは、最適なクラスタリングを見つけることが、新しいペナルティ付き最小カット問題に帰着することを示している。

• 再定式化： この問題は、半正定値制約を持つトレース最適化プログラムとして再定式化される。
• 凸緩和： 正確な問題は組合せ最適化問題であるため、著者らは半正定値計画法（SDP）緩和を提案している。目的関数は、クラスター行列のトレース（分散成分）と、正規化されたカットの二乗（バイアス成分）の加重和を最小化することを含む。
• 丸め（Rounding）： 有効なクラスタリングは、SDP解の固有ベクトルに対してK-means法を適用することで取得される。
• アルゴリズム1： 手順は、クラスター数（$K$）と、バイアスと分散のトレードオフを調整するキャリブレーション・パラメータ $\xi_n = (\lambda \bar{\phi}_n^2 / \bar{\psi})^{-1}$ の範囲を反復する。このアルゴリズムは、最適なクラスタリングに対する性能の証明可能なサーティフィケート（近似境界）を提供する。

3. 主な貢献

1. クラスタリングの決定論的フレームワーク： 既存の文献がクラスタリングを既定のものとして扱うか、コミュニティ検出に焦点を当てているのに対し、本論文は、GATEの最悪ケースMSEを最小化するという因果的目標から直接、クラスタリングを導出している。
2. 厳密な最悪ケースの特性化： ネットワーク干渉下でのバイアスと分散に関する明示的かつ厳密な境界を提供し、バイアスはクラスター間の曝露に依存し、分散はクラスター・サイズの分散に依存することを示した。
3. 新しい最適化問題： 著者らは、クラスター・サイズの分散（分散成分）を考慮しない標準的なスペクトラル・クラスタリングや正規化カットとは異なり、クラスター間の曝露（バイアス成分）とクラスター・サイズの分散の両方を内部化する、ペナルティ付き最小カット問題を解くことが最適クラスタリングであることを見出した。
4. 実用的な設計ルール：
   • ベルヌーイ vs クラスター： スピルオーバーの大きさとアウトカムの分散の比、およびクラスター数に基づき、クラスター・デザインがベルヌーイ・デザインよりも優位となるかどうかを判断するための経験則を導出した。
   • 未知のスピルオーバー： オラクルに対するMSEの最悪ケースの比率を最適化するミニマックス・リグレット・アプローチを用いて、未知のスピルオーバー量に対処するフレームワークを拡張した。
5. 実証的検証： 本手法は、Facebookのユニークなネットワークデータおよび中国農村部でのフィールド実験（Cai et al., 2015）に適用された。
   • Facebookのデータでは、提案手法は既存のクラスタリング・アルゴリズム（Louvain、Balanced Partitioning）をランク付けし、多くのクラスターを持つLouvainがしばしば最も優れた性能を示すことを発見した。
   • フィールド実験では、提案手法は、様々な信号対雑音比（SNR）において、行政上の村の境界や標準的なクラスタリング・アルゴリズム（Spectral、$\epsilon$-net）を凌駕する代替的な分割を構築した。

4. 結果と意義

本論文は、提案された「因果的クラスタリング（Causal Clustering）」手法が、ネットワーク干渉が存在する場合の実験設計において堅牢な手順を提供することを主張している。

• 性能： 中国のフィールド実験に較正されたシミュレーションにおいて、因果的クラスタリングは一次干渉の設定において、ほぼゼロのリグレット（0.0% - 0.2%）を達成し、高いリグレット（最大50%以上）を示すSpectralクラスタリングやLouvainなどのベンチマークを大幅に上回った。
• 堅牢性： グローバルな干渉モデルが誤指定されている場合（アウトカムが単なる処置ではなく、隣接ノードのアウトカムに依存する場合）でも、本手法は競争力を維持し、他の手法に見られる著しい性能低下を回避している。
• 実用的有用性： このフレームワークにより、研究者はバイアスと分散のトレードオフを明示的に定量化できる。これは、行政上の境界やヒューリスティックなコミュニティ検出に頼るのではなく、クラスターの数と構造を選択するためのデータ駆動型の方法を提供する。

著者らは、自身のアプローチが、スピルオーバーが小さいものの無視できないオンラインプラットフォーム（例：Meta/Facebook）やフィールド実験において、特に重要であることを強調している。そこでの目的は、大規模なスケールで政策の総効果を推定することである。本手法は、グラフ・クラスタリングの文献と因果推論の間のギャップを埋め、複雑な設計問題に対する計算可能な（SDPを介した）解決策を提供している。