Resumo Técnico: Agrupamento Causal: Design de Experimentos de Agrupamento sob Interferência de Rede

1. Definição do Problema

O artigo aborda o design de experimentos de agrupamento (cluster experiments) em configurações onde as unidades interagem por meio de uma rede conhecida, levando a efeitos de transbordamento (spillovers/interference). Nesses ambientes, a randomização individual padrão (designs de Bernoulli) frequentemente falha em identificar o Efeito Médio Global do Tratamento (GATE) devido ao viés induzido pela exposição entre os agrupamentos. Por outro lado, a randomização por agrupamento elimina esse viés, mas introduz variância devido à correlação das atribuições dentro dos grupos e à potencial heterogeneidade nos tamanhos dos agrupamentos.

O desafio central é que a escolha do agrupamento (clustering) pré-especificado (ex: vilas administrativas ou algoritmos padrão de detecção de comunidades) pode não ser ideal para a inferência causal. Eles podem ser muito grosseiros (introduzindo alta variância) ou muito refinados (falhando em capturar todos os transbordamentos relevantes, introduzindo assim viés). Os autores formulam a escolha do agrupamento como um problema de design estatístico: selecionar uma partição da rede que minimize o pior caso do Erro Quadrático Médio (MSE) do estimador de diferença de médias para o GATE.

2. Metodologia e Estrutura

2.1 Estrutura Assintótica Local

Os autores formalizam o problema usando uma estrutura assintótica local onde os efeitos de transbordamento são "locais ao zero", mas não negligenciáveis para a inferência.

• Assunção 1 (Interferência local de primeira ordem): Os resultados potenciais dependem apenas do tratamento de um indivíduo e dos tratamentos de seus vizinhos imediatos.
• Assunção 2 (Limitação e continuidade Lipschitz): Os resultados potenciais são uniformemente limitados, e a magnitude dos transbordamentos é limitada por um parâmetro $\bar{\phi}_n$. Especificamente, a mudança nos resultados potenciais é linear na proporção de vizinhos tratados, com uma inclinação limitada por $\bar{\phi}_n$.
• Assunção 3 (Assintótica de transbordamento local): O produto da magnitude máxima do transbordamento e do quadrado do grau máximo é limitado ($\limsup \bar{\phi}_n N_{n,max}^2 \leq \epsilon$). Isso permite configurações onde os efeitos diretos e os efeitos de transbordamento são de magnitude semelhante, um cenário comum em plataformas online onde os efeitos são pequenos, mas economicamente significativos.

2.2 Caracterização de Viés e Variância

O artigo deriva caracterizações de pior caso aguçadas para o viés e a variância do estimador de diferença de médias $\hat{\tau}_n(C_n)$ sob um determinado agrupamento $C_n$:

• Viés de Pior Caso: O viés é governado pela "conectividade entre agrupamentos", definida como a fração média de vizinhos de um indivíduo que residem fora de seu agrupamento atribuído ($b_n(C_n)$). O viés de pior caso é proporcional a $\bar{\phi}_n b_n(C_n)$.
• Variância de Pior Caso: Sob a estrutura assintótica local, a variância é assintoticamente impulsionada pelas correlações dentro dos agrupamentos induzidas pelo design de agrupamento. É proporcional à soma dos quadrados dos tamanhos dos agrupamentos ($\sum n_k^2$), escalonada pelo intervalo do resultado $\bar{\psi}$.
• MSE de Pior Caso: Combinando estes, a função objetivo a ser minimizada é:
  $$B^*_n(C_n, \lambda) = \bar{\psi} \frac{1}{n^2} \sum_{k=1}^{K_n} n_k^2 + \lambda \bar{\phi}_n^2 b_n(C_n)^2$$
  onde $\lambda$ é um peso especificado pelo usuário (tipicamente 1 para MSE).

2.3 Algoritmo de Otimização

Os autores mostram que encontrar o agrupamento ideal reduz-se a um novo problema de min-cut penalizado.

• Reformulação: O problema é reformulado como um programa de otimização de traço com uma restrição semidefinida.
• Relaxação Convexa: Como o problema exato é combinatório, os autores propõem uma relaxação de Programação Semidefinida (SDP). O objetivo envolve minimizar uma soma ponderada do traço da matriz de agrupamento (componente de variância) e o quadrado de um corte normalizado (componente de viés).
• Arredondamento (Rounding): Um agrupamento viável é recuperado aplicando agrupamento K-means aos autovetores da solução SDP.
• Algoritmo 1: O procedimento itera sobre uma gama de números de agrupamentos ($K$) e um parâmetro de calibração $\xi_n = (\lambda \bar{\phi}_n^2 / \bar{\psi})^{-1}$, que equilibra o compromisso entre viés e variância. O algoritmo fornece um certificado provável de desempenho (limite de aproximação) em relação ao agrupamento ótimo.

3. Principais Contribuições

1. Estrutura Teórico-Decisória para Agrupamento: Diferente da literatura existente que trata o agrupamento como algo dado ou foca na detecção de comunidades, este artigo deriva o agrupamento diretamente do objetivo causal de minimizar o MSE de pior caso para o GATE.
2. Caracterizações de Pior Caso Aguçadas: O artigo fornece limites explícitos e aguçados para viés e variância sob interferência de rede, mostrando que o viés depende da exposição entre agrupamentos e a variância depende da dispersão do tamanho dos agrupamentos.
3. Novo Problema de Otimização: Os autores identificam que o agrupamento ideal resolve um problema de min-cut penalizado que internaliza tanto a exposição entre agrupamentos (viés) quanto a dispersão do tamanho dos agrupamentos (variância). Isso difere do agrupamento espectral padrão ou cortes normalizados, que não consideram a componente de variância induzida pelos tamanhos dos agrupamentos.
4. Regras Práticas de Design:
   • Bernoulli vs. Agrupamento: Uma regra prática é derivada para determinar quando um design de agrupamento domina um design de Bernoulli com base na razão entre a magnitude do transbordamento e a variância do resultado e o número de agrupamentos.
   • Transbordamentos Desconhecidos: O artigo estende a estrutura para lidar com magnitudes de transbordamento desconhecidas usando uma abordagem de arrependimento minimax (minimax regret), otimizando para o pior caso da razão de MSE em relação a um oráculo.
5. Validação Empírica: O método é aplicado a dados únicos da rede Facebook e a um experimento de campo na zona rural da China (Cai et al., 2015).
   • Nos dados do Facebook, o método proposto classifica os algoritmos de agrupamento existentes (Louvain, Particionamento Balanceado), encontrando que o Louvain com muitos agrupamentos frequentemente apresenta o melhor desempenho.
   • No experimento de campo, o método constrói partições alternativas que superam os limites das vilas administrativas e os algoritmos de agrupamento padrão (Espectral, $\epsilon$-net) através de várias razões de sinal-ruído.

4. Resultados e Significância

O artigo afirma que o método proposto de "Agrupamento Causal" oferece um procedimento robusto para o design experimental na presença de interferência de rede.

• Desempenho: Em simulações calibradas para o experimento de campo na China, o Agrupamento Causal atinge um arrependimento próximo de zero (0,0% - 0,2%) em configurações de interferência de primeira ordem, superando significativamente os benchmarks como o agrupamento Espectral e Louvain, que apresentam alto arrependimento (até 50%+) dependendo da razão sinal-ruído.
• Robustez: Mesmo sob modelos de interferência global mal especificados (onde os resultados dependem dos vizinhos em vez de apenas dos tratamentos), o método permanece competitivo, evitando o subdesempenho significativo visto em outros métodos.
• Utilidade Prática: A estrutura permite que pesquisadores quantifiquem explicitamente o compromisso entre viés e variância. Fornece uma maneira baseada em dados para escolher o número e a estrutura dos agrupamentos, em vez de depender de limites administrativos ou heurísticas de detecção de comunidades.

Os autores enfatizam que sua abordagem é particularmente relevante para plataformas online (ex: Meta/Facebook) e experimentos de campo onde os transbordamentos são pequenos, mas não negligenciáveis, e onde o objetivo é estimar o efeito total de uma política em escala. O método faz a ponte entre a literatura de agrupamento de grafos e a inferência causal, fornecendo uma solução computacionalmente tratável (via SDP) para um problema de design complexo.