Resumo Técnico: Efeitos de Transbordamento de Ordem Superior sob Interferência Parcial

Definição do Problema

A inferência causal em ambientes de rede é complicada pela interferência, onde o resultado de uma unidade depende dos tratamentos de outras unidades. Embora a literatura existente frequentemente dependa da suposição de interferência de vizinhança (limitando a interferência a vizinhos diretos) ou da suposição de interferência parcial (limitando a interferência a clusters pré-definidos), essas abordagens enfrentam limitações significativas:

1. Escopo Restritivo: Em cenários envolvendo difusão de resultados (ex: transmissão de doenças, disseminação de informações), a interferência frequentemente se estende além dos vizinhos diretos para distâncias de rede de ordem superior.
2. Riscos de Especificação Incorreta: Métodos padrão exigem a especificação de uma função de mapeamento de exposição (um resumo dos tratamentos em um conjunto de interferência, ex: proporção de vizinhos tratados). Se o conjunto de interferência ou a função de mapeamento forem especificadas incorretamente (ex: assumindo que apenas vizinhos de primeira ordem importam quando existem efeitos de segunda ordem, ou usando um proxy binário para uma exposição contínua), os estimadores tornam-se enviesados.
3. Falta de Desmembramento de Ordem Superior: Os métodos atuais têm dificuldade em desmembrar os efeitos de transbordamento originados de distâncias de rede específicas (ex: distinguir vizinhos de primeira ordem de vizinhos de segunda ordem) sem depender de suposições paramétricas fortes e potencialmente incorretas sobre o mecanismo de interferência.

Metodologia

1. Suposição de Interferência Generalizada

Os autores propõem uma Suposição de Interferência Parcial Generalizada (Suposição 4). Diferente das suposições tradicionais que restringem a interferência a vizinhos diretos ou clusters inteiros, este framework permite que o resultado potencial de uma unidade dependa dos tratamentos dentro de um conjunto de interferência conservador $I_{ij}$. Crucialmente, esta abordagem não exige a especificação de uma função de mapeamento de exposição resumida $g(\cdot)$ para reduzir o vetor de tratamento a um escalar ou um vetor de baixa dimensão. Isso evita o viés decorrente de formas funcionais incorretas de interferência.

2. Estimandos Causais: Efeitos de Transbordamento de Ordem $h$

O artigo define novos estimandos causais para quantificar efeitos de transbordamento provenientes de unidades em uma distância de rede específica $h$.

• Atribuição Hipotética: Os autores introduzem uma alocação de tratamento de Bernoulli hipotética onde:
  • Unidades na vizinhança de ordem $h$ ($C^h_{ij}$) são atribuídas ao tratamento com probabilidade $\alpha_h$.
  • O restante das unidades no conjunto de interferência ($C_{i\setminus(j, C^h_{ij})}$) são atribuídas ao tratamento com probabilidade $\alpha$.
• Definição: O efeito de transbordamento de ordem $h$, $SE^h(\alpha_h, \alpha'_h; a, \alpha)$, é definido como a diferença nos resultados potenciais médios da população quando a probabilidade de atribuição para a vizinhança de ordem $h$ muda de $\alpha'_h$ para $\alpha_h$, mantendo o tratamento individual $a$ e a atribuição do restante do conjunto de interferência $\alpha$ fixos.

3. Estimadores

Para estimar esses efeitos sem depender de funções de mapeamento de exposição, os autores desenvolvem três estimadores não paramétricos e semiparamétricos sob um desenho de randomização de dois estágios:

• Estimador de Horvitz-Thompson (HT): Uma média ponderada de resultados observados usando pesos de probabilidade inversa. É não viesado, mas pode sofrer de alta variância devido a pesos extremos.
• Estimador de Hajek: Um estimador de razão (HT normalizado) que estabiliza a variância ao dividir a soma ponderada dos resultados pela soma ponderada dos pesos. É consistente e assintoticamente não viesado.
• Estimador de Mínimos Quadrados Ponderados (WLS): Uma abordagem baseada em regressão que modela a relação entre o resultado e a probabilidade hipotética $\alpha_h$ (ex: um modelo estrutural marginal linear). Ele utiliza pesos HT para corrigir o viés de seleção, mas ganha eficiência ao modelar a estrutura do resultado.

4. Análise de Viés de Especificação Incorreta

O artigo deriva fórmulas teóricas de viés (Proposição 2 e Corolários 1 & 2) para estimadores que dependem de conjuntos de interferência mal especificados ou funções de mapeamento de exposição.

• Demonstra-se que o uso de um conjunto de interferência incorreto (ex: restringindo a vizinhos de primeira ordem quando a interferência é de segunda ordem) ou uma função de mapeamento incorreta leva à identificação de uma média ponderada de resultados potenciais sob a estrutura real, em vez do verdadeiro efeito causal.
• Especificamente, a omissão de termos de ordem superior em uma regressão (OLS) induz viés de variável omitida devido à correlação entre métricas de exposição em diferentes distâncias de rede, frequentemente exacerbada pelo desenho de randomização de dois estágios (Paradoxo de Simpson).

Principais Resultados

Estudo de Simulação

Os autores realizaram simulações de Monte Carlo em quatro cenários (sem interferência, primeira ordem, segunda ordem e segunda ordem com interação) e várias estruturas de rede (grafos Erdős–Rényi e regulares).

• Viés: Os estimadores propostos HT, Hajek e WLS permaneceram não viesados em todos os cenários, incluindo interferência de ordem superior e interações. Em contraste, os estimadores OLS padrão que dependem de conjuntos de interferência restritivos (ex: $OLS(G_1)$) ou mapeamentos de exposição mal especificados exibiram viés significativo.
• Variância: O estimador HT apresentou a maior variância, particularmente com conjuntos de interferência grandes. Os estimadores Hajek e WLS demonstraram menor variância, sendo o WLS geralmente o mais eficiente devido ao suavizamento paramétrico, desde que a especificação do modelo fosse razoável.
• Densidade de Rede: A variância do estimador de Hajek foi sensível à densidade da rede ($p$). Para efeitos de primeira ordem, a variância aumentou com a densidade; para efeitos de segunda ordem, a variância atingiu o pico em densidades intermediárias e diminuiu conforme as redes se tornavam saturadas.

Aplicação Empírica: Ensaio de Saúde Materna e Infantil em Honduras

Os métodos foram aplicados a um ensaio randomizado de dois estágios em Honduras, envolvendo 176 aldeias e uma intervenção de saúde materna e infantil.

• Transbordamentos de Primeira Ordem: Para indivíduos tratados, os efeitos de transbordamento de primeira ordem seguiram um formato de U invertido, atingindo o pico em saturação moderada de tratamento ($\alpha \approx 0.5$) e declinando em saturações mais altas (sugerindo saturação de informação). Indivíduos não tratados mostraram efeitos de transbordamento negligenciáveis.
• Transbordamentos de Segunda Ordem: Os efeitos de segunda ordem foram mais fortes quando o tratamento era escasso (baixo $\alpha$) e diminuíram conforme o tratamento se tornou prevalente, sugerindo um mecanismo de substituição onde vizinhos diretos preenchem lacunas de informação.
• Heterogeneidade: Indivíduos tratados beneficiaram-se significativamente mais dos transbordamentos de pares do que indivíduos não tratados, atribuído a uma maior capacidade de absorção e prontidão basal.

Significância e Alegações

O artigo afirma fornecer um framework robusto para estimar efeitos de transbordamento de ordem superior sem depender de suposições restritivas sobre o mecanismo de interferência ou a forma funcional específica da exposição.

• Robustez à Especificação Incorreta: Ao evitar funções de mapeamento de exposição, os estimadores propostos evitam o viés inerente às abordagens "ingênuas" que especificam incorretamente o escopo ou o mecanismo de interferência.
• Flexibilidade: O framework permite que pesquisadores definam conjuntos de interferência de forma conservadora (ex: todas as unidades alcançáveis via caminhos finitos) e ainda assim estimem efeitos causais bem definidos em distâncias de rede específicas.
• Utilidade Prática: A aplicação empírica demonstra que ignorar a interferência de ordem superior ou usar suposições restritivas pode ocultar padrões complexos, como a relação não monotônica entre a magnitude do transbordamento e a saturação do tratamento.
• Compromisso (Trade-off): Os autores reconhecem que, embora sua abordagem conservadora garanta robustez, isso pode ocorrer ao custo da eficiência (intervalos de confiança mais amplos) em comparação com métodos que especificam corretamente a estrutura de interferência. Eles recomendam esta abordagem quando a complexidade dos processos sociais torna imprudente comprometer-se com mapeamentos de exposição restritivos.