Experimental Design under Network Interference

Resumo Técnico: Desenho Experimental sob Interferência de Rede

Definição do Problema
Este artigo aborda o desafio de desenhar experimentos de duas ondas para estimar efeitos de tratamento na presença de interferência de rede (transbordamentos ou spillovers). Diferente dos desenhos padrão de agrupamento (clustered) ou saturação que assumem clusters independentes, este cenário envolve uma rede única e conectada onde a interferência é local (as unidades interagem primariamente com seus vizinhos). A dificuldade central reside no fato de que o desenho experimental ótimo requer o conhecimento das variâncias e covariâncias dos resultados, que são tipicamente desconhecidas e dependem da estrutura da rede e das atribuições de tratamento. Além disso, a randomização padrão pode resultar em estimativas imprecisas quando há presença de interferência e heterocedasticidade. O artigo busca desenvolver um protocolo que utilize um estudo piloto para estimar esses componentes de variância e, subsequentemente, otimizar a seleção de participantes e a atribuição de tratamento do experimento principal para minimizar a variância de um estimador linear pré-especificado.

Metodologia
O arcabouço proposto, denominado "Experimento sob Interferência Local" (ELI - Experiment under Local Interference), opera em duas ondas:

1. Estudo Piloto (Onda 1):

   • Seleção: Um subconjunto de unidades é selecionado como piloto. Crucialmente, o algoritmo de seleção (Algoritmo 1) minimiza o número de arestas entre as unidades piloto e as não-piloto (uma otimização de corte mínimo ou min-cut). Isso garante que as unidades piloto e seus vizinhos imediatos sejam excluídos do experimento principal.
   • Racional: Excluir as unidades piloto e seus vizinhos evita que o desenho do experimento principal se torne estatisticamente dependente das variáveis não observáveis do piloto, preservando assim a não-confundibilidade (unconfoundedness) dos estimadores do experimento principal.
   • Estimativa: Os tratamentos são randomizados dentro do piloto. Os dados do piloto são usados para estimar as variâncias condicionais dos resultados ($\sigma^2$) e as covariâncias entre vizinhos ($\eta$) como funções do status de tratamento, mapeamentos de exposição (ex: número de vizinhos tratados) e covariáveis.

2. Experimento Principal (Onda 2):

   • Otimização do Desenho: Utilizando as estimativas de variância e covariância do piloto, o pesquisador resolve um problema de otimização (Algoritmo 2) para selecionar participantes ($R$) e atribuir tratamentos ($D$) para o experimento principal.
   • Objetivo: O desenho minimiza a estimativa plug-in da variância de um estimador linear usuário-especificado (ex: diferença de médias, estimadores ajustados por regressão) para estimandos alvo, como efeitos diretos, efeitos de transbordamento ou efeitos globais.
   • Restrições: A otimização está sujeita a restrições de orçamento (tamanho máximo de amostra) e à restrição de exclusão derivada do piloto (nenhuma unidade piloto ou seus vizinhos podem participar).

3. Extensões:

   • Randomização: O arcabouço pode ser modificado (Apêndice A.1) para incluir uma etapa de re-randomização. Isso permite o uso de inferência baseada no desenho para hipóteses nulas nítidas (sharp null hypotheses), mantendo uma precisão próxima da ótima para inferência baseada em modelo, trocando uma pequena quantidade de variância por maior randomização.
   • Informação Parcial da Rede: O método é estendido para cenários onde a rede completa não é observada (Apêndice A.4), utilizando imputação para arestas ausentes sob a suposição de que o piloto é extraído de um componente desconectado.
   • Dependência de Ordem Superior: O arcabouço acomoda dependências que vão além dos vizinhos imediatos (até o grau $M$) ao excluir vizinhos até o grau $M$ do experimento principal.

Principais Resultados Teóricos

• Não-viesamento: O artigo estabelece condições suficientes (Proposição 3.1) sob as quais o experimento principal produz estimadores não-viesados de estimandos baseados em modelos. Isso se baseia na exclusão das unidades piloto e de seus vizinhos do experimento principal.
• Garantias de Regret (Arrependimento): O Teorema 4.1 fornece um limite de regret caracterizando a diferença entre a variância do proposto desenho de duas ondas e a de um desenho "oráculo" (que conhece as verdadeiras funções de variância/covariância e não enfrenta restrições induzidas pelo piloto). O regret converge para zero a uma taxa governada pelo tamanho do piloto ($\bar{m}$) e pela razão entre o tamanho do piloto e do experimento principal.
• Condições de Tamanho do Piloto: O artigo deriva condições suficientes para que o tamanho do piloto alcance precisão quase ótima. Especificamente, para redes esparsas, mostra-se que um tamanho de piloto escalonando como $\bar{m} \gtrsim \bar{n}^{2/3}$ é suficiente para tornar o regret negligenciável (Corolário 4.2).
• Inferência Assintótica: O Teorema 4.3 estabelece a normalidade assintótica para o estimador, condicional ao mecanismo de atribuição realizado, permitindo intervalos de confiança válidos usando um estimador de variância consistente derivado dos dados do experimento principal.

Resultados Empíricos
Estudos numéricos utilizando redes reais de amizade em vilarejos (Cai et al., 2015) e redes simuladas de Erdős–Rényi e Barabási–Albert demonstram a eficácia do método ELI:

• Desempenho: O método proposto atinge uniformemente uma menor variância de amostragem em comparação com competidores de última geração, incluindo agrupamento de grafos (3-$\epsilon$ net), desenhos de saturação e atribuição aleatória simples.
• Heterocedasticidade: As vantagens do desenho ELI são mais pronunciadas sob heterocedasticidade e covariâncias não nulas, onde a randomização ou o agrupamento padrão falham em considerar a estrutura de variância específica.
• Observação Parcial: Mesmo com redes parcialmente observadas, o método ELI supera a alocação aleatória.
• Eficiência de Tamanho de Amostra: O método pode alcançar a mesma variância que o melhor competidor com uma redução de até 40% no número total de unidades necessárias.

Significância e Alegações
O artigo afirma fornecer o primeiro arcabouço estatístico para desenhos experimentais de duas ondas otimizados por variância sob interferência de rede. Sua principal contribuição é demonstrar que incorporar um estudo piloto para estimar as estruturas de variância e covariância pode melhorar substancialmente a precisão das estimativas de efeito de tratamento em comparação com desenhos que não utilizam tal informação. O trabalho preenche a lacuna entre o desenho experimental e a inferência causal em contextos de rede, ofereando um protocolo prático (seleção de piloto via min-cut seguida de otimização de minimização de variância) que é teoricamente fundamentado e empiricamente validado. Os autores observam que, embora o método assuma interferência local e redes esparsas, ele oferece uma abordagem robusta para cenários onde a interferência é uma característica natural dos dados, como em experimentos de campo envolvendo programas sociais ou plataformas online.