网络干扰导致误设定下经典因果推断策略的系统性研究
统计方法学
2018-10-22 v1
摘要
我们系统性地研究了在（处理）干扰由干预前可用的网络所告知的情况下，估计因果效应时出现的误设定问题，即单元的结果可能依赖于分配给其他单元的处理。我们通过暴露邻域的概念发展了若干种干扰形式的理论，并发展了将潜在结果作为暴露邻域函数的相应半参数表示。利用该表示，我们将两类流行的因果估计量——边际因果效应与平均因果效应——的定义推广到网络干扰的情形。我们刻画了在因干扰导致误设定的情况下，将经典随机化策略（即伯努利设计、完全随机化设计和聚类随机化设计）与用于估计平均处理效应和总处理效应的估计量（即均值差估计量和 Horvitz-Thompson 估计量）结合使用时所产生的偏差与方差。我们说明了均值差估计量在估计平均因果效应时可能产生任意大的偏差，这取决于干扰的形式与强度，而后者在设计阶段是未知的。当指定了正确的权重时，Horvitz-Thompson（HT）估计量是无偏的。在此，我们推导了用于不同估计量无偏估计的 HT 权重，并说明了它们如何依赖于设计、干扰形式（在设计阶段未知）以及估计量。更重要的是，我们证明了在存在干扰时，对于一大类随机化策略，HT 估计量是不容许的。我们提出了新的模型辅助与模型依赖策略来改进 HT 估计量，并开发了用于估计平均处理效应和总处理效应的新随机化策略。
引用
@article{arxiv.1810.08259,
title = {A systematic investigation of classical causal inference strategies under mis-specification due to network interference},
author = {Vishesh Karwa and Edoardo M. Airoldi},
journal= {arXiv preprint arXiv:1810.08259},
year = {2018}
}