基于级联随机化的扩散干扰下因果效应推断

干扰的存在——即个体的结果可能依赖于相邻节点的处理分配和行为——会导致因果效应估计有偏。当前的网络实验设计方法侧重于通过基于聚类的随机化来限制干扰，其中使用图聚类识别聚类，聚类随机化决定节点分配到处理组和对照组。然而，当干扰以级联方式传播时，基于聚类的随机化方法表现不佳，因为个体对处理的响应会传播到其多跳邻居。当我们了解级联种子节点时，可以利用这种干扰结构来减轻由此产生的因果效应估计偏差。为此，我们提出了一种基于级联的网络实验设计，该设计从级联种子节点启动处理分配，并将分配传播到其多跳邻居，以限制级联增长期间的干扰，从而减少整体因果效应估计误差。我们在真实世界和合成数据集上的大量实验表明，我们提出的框架在估计网络数据中的因果效应方面优于现有的最先进方法。