网络中的实验设计与分析：减少来自干扰的偏差

当单元之间存在交互时，估计网络中干预措施的效果变得复杂，以至于一个单元的结果可能取决于许多或所有其他单元的处理分配和行为（即存在干扰）。当大多数或所有单元位于单个连通分量中时，由于网络只能在单一分配下被观测，因此无法直接在实验上比较两种或多种全局处理分配下的结果。熟悉的形式主义、实验设计和分析方法假设不存在这些交互，从而导致对感兴趣的因果效应估计产生偏差。虽然某些假设可以导致无偏估计量，但这些假设通常不切实际，而本工作侧重于现实的假设。因此，在本工作中，我们评估了旨在减少这种偏差从而减少总体误差的随机实验设计和分析方法。在设计方面，我们考虑执行与网络相关的处理随机分配的能力，例如图聚类随机化。在分析方面，我们考虑纳入关于网络邻居处理分配的信息。我们证明了在可能存在全局干扰的情况下，通过设计和分析减少偏差的充分条件。通过对网络中整个实验过程的模拟，我们在不同的网络结构和不同的社会行为下测量了这些方法的性能，发现偏差和误差显著减少。对于具有更多聚类特征的网络，以及处理具有更强直接效应且单元间交互更强的数据生成过程，这些改进最为显著。