技术摘要：通过正交学习估计网络上的异质性因果效应

1. 问题陈述

本文解决了在网络数据中估计异质性因果效应的挑战，其中对一个单元的处理不仅影响其自身结果，还影响其邻居的结果（网络干扰）。主要识别出两大困难：

1. 异质性：由于节点特征的多样性和连接强度的差异，因果效应在单元和边之间显著变化。标准方法通常仅估计总体平均水平，无法捕捉这些细粒度的变化。
2. 混淆：网络同质性（相似节点倾向于连接）和潜在依赖关系创造了复杂的混淆结构。将真正的因果溢出与非因果相关性区分开来，需要调整高维协变量和潜在的关系结构。

现有方法面临权衡：经典方法为总体平均水平提供严格的推断，但依赖于严格的结构性假设；而近期的图神经网络（GNN）方法虽然提供了灵活性，但往往充当“黑箱”，使得边级效应难以解释，且不确定性量化（UQ）具有挑战性。

2. 方法论

作者提出了一种两阶段正交学习框架，旨在估计异质性的直接效应和溢出效应，同时对第一阶段估计误差保持稳健。

2.1 问题设定与识别

• 框架：该问题在干扰下的潜在结果框架内构建。
• 假设：
  • 局部干扰：结果仅取决于封闭的一跳邻域内的处理。
  • 邻域无混淆性：在给定更大 $K$ 跳邻域的协变量条件下，局部处理与潜在结果独立。
  • 可加性局部干扰（关键结构假设）：期望结果被建模为直接效应与来自邻居的成对溢出效应之和。具体而言，$E[Y_i] = \mu_0 + \tau_i T_i + \sum_{j \in N_1(i)} \tau_{ij} T_j$。这将干扰空间的指数级复杂度降低为线性复杂度，从而实现边级识别。
• 目标估计量：该方法针对干扰矩阵 $\Gamma$，其中 $\Gamma_{ii} = \tau_i$（直接效应），$\Gamma_{ij} = \tau_{ij}$（从 $j$ 到 $i$ 的溢出效应）。节点级效应（IDE, ISE）和总体平均水平（ADE, ASE）作为 $\Gamma$ 的线性泛函导出。

2.2 正交估计框架

估计遵循Neyman 正交化策略（受 R-Learner 启发），以减轻来自干扰参数估计的偏差：

1. 第一阶段（干扰估计）：
   • 使用**图神经网络（GNN）**估计条件结果均值 $m^*(X, A) = E[Y|X, A]$ 和倾向得分 $e^*(X, A) = P(T=1|X, A)$。
   • 采用交叉拟合（基于图距离将网络划分为独立的折），以处理网络依赖并防止过拟合。
2. 第二阶段（正交回归）：
   • 利用第一阶段估计值对结果和处理进行残差化：$\tilde{Y}_i = Y_i - \hat{m}_i$ 和 $\tilde{T}_i = T_i - \hat{e}_i$。
   • 求解最小二乘问题，利用残差化变量估计干扰系数 $\Gamma$。
   • 理论保证：在特定的正则化条件下，因果效应的估计误差仅以高阶（例如 $O(r^4)$）依赖于干扰估计误差。如果干扰估计量以 $O(n^{-1/8})$ 的速率收敛，则因果估计量达到参数速率 $O(n^{-1/2})$，可与已知干扰函数的“神谕”（oracle）相媲美。

2.3 基于注意力的干扰模型

为了捕捉异质性和非对称的溢出，干扰矩阵 $\Gamma$ 通过基于注意力的模型进行参数化：

• 直接效应：$\tau_i = \tilde{W}(X_i)$，通过多层感知机（MLP）实现。
• 溢出效应：$\tau_{ij} = \alpha_{ij} w_{ij}$，其中 $w_{ij}$ 是基于拼接特征 $(X_i, X_j)$ 学习的成对影响得分，$\alpha_{ij}$ 是源自带有可学习温度参数 $\beta$ 的 softmax 函数的注意力权重。
• 该结构允许模型在弥散和集中的溢出之间进行插值，并恢复有符号的边级效应。

2.4 不确定性量化

本文开发了一种针对估计溢出矩阵的乘数自助法（multiplier bootstrap）程序：

• 它使用随机乘数扰动第二阶段的损失函数。
• 为了避免为每个自助法样本重新拟合 MLP 的计算成本，采用了一步线性化（利用损失的 Hessian 矩阵）。
• 这使得能够为边级（$\tau_{ij}$）和节点级（$ISE_i$）效应构建点态和同时置信区间。

3. 主要贡献

1. 正交学习框架：一种新颖的两阶段方法，结合了灵活的基于 GNN 的干扰建模与可解释的基于注意力的干扰模型，对第一阶段估计误差具有稳健性。
2. 边级异质性：能够估计和解释有符号的成对溢出效应（$\tau_{ij}$），而不仅仅是聚合平均值，从而促进对具有影响力的邻居和异质交互模式的检测。
3. 有效的不确定性量化：一种基于自助法的程序，为异质的边级和节点级效应提供同时推断，超越了以往工作对总体水平的关注。
4. 理论保证：证明了在局部可加性干扰和条件邻域依赖假设下，估计量实现了类神谕的收敛速率。

4. 实验结果

该方法在源自真实社交网络（BlogCatalog, Flickr）的合成半合成数据以及合成随机块模型（SBM）网络上进行了评估。

• 基准性能：所提出的估计量（"Proposedest"）在估计节点级异质效应（IDE 和 ISE）方面显著优于基线方法（CFR, NetEst, TNet, GDML 等），衡量指标为异质效应估计精度（PEHE）。在总体水平指标（ADE, ASE）上，其表现与基线方法相当或更优。
• 对干扰误差的稳健性：所提方法与“神谕”（使用真实干扰函数）之间的性能差距极小，验证了正交设计减轻 GNN 估计误差偏差的能力。
• 可解释性：
  • 溢出符号恢复：该方法在恢复成对影响符号方面达到了近乎完美的准确率，优于 EdgeConv。
  • 具有影响力的邻居检测：它成功识别了前 20% 的具有影响力的邻居，具有高召回率和 NDCG，与神谕性能高度吻合。
• 不确定性校准：自助法置信区间在边和节点效应上均实现了接近标称水平（90% 和 95%）的覆盖率。与神谕干扰相比，使用估计干扰时的区间更宽，反映了第一阶段估计的成本，但随着样本量增加而收敛。
• 现实世界应用：一项关于空气污染（DAPSm 数据集）的案例研究证明了该方法能够估计排放控制技术采用的直接和间接效应，得出臭氧直接减少和溢出减少均为正值的估计结果。

5. 意义与主张

本文声称弥合了灵活的、黑箱式的表示学习与网络中原则性的、可解释的因果推断之间的差距。通过利用正交学习，它实现了细粒度、异质性因果效应（直至边级）的估计，同时保持了统计有效性和可解释性。

作者强调，他们的方法对于需要下游分析的应用特别有价值，例如识别具有影响力的节点或理解溢出的方向性（例如在政治极化或社交媒体活动中）。他们承认，可加性局部干扰假设是一阶近似；然而，实验表明，即使存在适度的处理交互，该方法仍然稳健，且如果需要，该框架可以扩展以包含交互项。

这项工作将自己定位为迈向使网络因果推断更加细粒度和可操作的一步，超越了平均处理效应，提供了一幅关于干预如何在复杂社会结构中传播的详细地图。