[论文解读] Estimating spillovers using imprecisely measured networks

Morgan Hardy, Rachel Heath+2 more|arXiv (Cornell University)|Mar 30, 2019

Advanced Causal Inference Techniques参考文献 51被引用 6

一句话总结

本文提出一种基于混合模型的方法，采用期望最大化（EM）算法，以估计在社交网络测量存在误差的实验情境下的处理效应，其中网络连接存在噪声或不完整。该方法可校正因缺失或虚假连接导致的偏差，并在估计直接与间接处理效应方面，相比标准估计器展现出更高的稳健性与准确性。

ABSTRACT

In many experimental contexts, whether and how network interactions impact the outcome of interest for both treated and untreated individuals are key concerns. Networks data is often assumed to perfectly represent these possible interactions. This paper considers the problem of estimating treatment effects when measured connections are, instead, a noisy representation of the true spillover pathways. We show that existing methods, using the potential outcomes framework, yield biased estimators in the presence of this mismeasurement. We develop a new method, using a class of mixture models, that can account for missing connections and discuss its estimation via the Expectation-Maximization algorithm. We check our method's performance by simulating experiments on real network data from 43 villages in India. Finally, we use data from a previously published study to show that estimates using our method are more robust to the choice of network measure.

研究动机与目标

• 解决实验情境中因社交网络数据测量不准确或不完整而导致的处理效应估计偏差问题。
• 开发一种统计框架，用于在估计溢出效应时，考虑观测网络中缺失与虚假连接的影响。
• 提升不同网络测量选择下处理效应估计的稳健性，尤其在社交网络数据存在噪声或基于代理数据时。
• 提供一种方法，在对链接测量误差与结果分布作出参数假设的前提下，识别出潜在的真实暴露状态。

提出的方法

• 该方法使用有限混合模型类来表示未观测到的真实网络结构，建模潜在处理暴露状态的分布。
• 假设观测到的网络链接受到随机测量误差影响——即缺失链接（p）与虚假链接（q）——其分布基于观测数据呈参数化条件分布。
• 采用期望最大化（EM）算法估计模型参数，通过迭代更新潜在暴露分配与测量误差参数。
• 模型假设在每个暴露组内，结果为线性均值形式，且平均结果是受处理同伴数量的线性函数。
• 该方法被扩展以允许村内与村外连接采用不同的测量误差参数，从而提升模型灵活性。
• 通过最大似然法进行估计，并在给定的参数假设下证明了模型的可识别性。

实验结果

研究问题

• RQ1 测量误差的网络数据在多大程度上导致标准估计器对直接与间接处理效应的估计产生偏差？
• RQ2 能否通过一种考虑网络数据中缺失与虚假链接的统计模型，提升处理效应估计的准确度与稳健性？
• RQ3 不同网络测量选择如何影响处理效应估计的稳定性？所提方法能否降低这种敏感性？
• RQ4 当观测到的网络不完整或不准确时，该模型在多大程度上能恢复真实的溢出效应？

主要发现

• 与标准Horvitz-Thompson估计器相比，所提方法在不同网络测量方式下，对直接与间接处理效应的估计更具稳健性，尤其在社交网络数据存在噪声时表现更优。
• 在47个印度村庄家庭网络的模拟中，当标准估计器因测量误差而失效时，该方法成功恢复了准确的处理效应。
• 在Cai等（2015）关于中国农村农民的研究数据中应用该方法，其在不同网络定义下得出的估计结果比朴素估计器更一致。
• 对缺失链接比例（p）的估计显示，更严格的网络定义下p值显著更高，而虚假链接率（q）则低一个数量级，反映出现实中的网络噪声模式。
• 允许村内与村外连接采用独立的测量误差参数的扩展版本，虽提升了模型拟合度，但因引入额外参数，标准误有所增加。
• 模型对测量误差（p与q）的点估计与先验知识一致：绝大多数链接存在于村庄内部，且虚假链接极为罕见。