[论文解读] Graph cluster randomization: network exposure to multiple universes

Johan Ugander, Brian Karrer+2 more|arXiv (Cornell University)|May 30, 2013

Advanced Causal Inference Techniques参考文献 14被引用 38

一句话总结

本文提出图聚类随机化方法，以在存在社交干扰的在线实验中实现平均处理效应的无偏估计，采用基于网络暴露概率推导的逆概率加权霍尔维茨-汤普森估计。关键贡献在于，当图满足受限增长条件时，方差减少量呈指数级，显著优于标准方法，从而在联网人群中实现更精确的因果推断。

ABSTRACT

A/B testing is a standard approach for evaluating the effect of online experiments; the goal is to estimate the `average treatment effect' of a new feature or condition by exposing a sample of the overall population to it. A drawback with A/B testing is that it is poorly suited for experiments involving social interference, when the treatment of individuals spills over to neighboring individuals along an underlying social network. In this work, we propose a novel methodology using graph clustering to analyze average treatment effects under social interference. To begin, we characterize graph-theoretic conditions under which individuals can be considered to be `network exposed' to an experiment. We then show how graph cluster randomization admits an efficient exact algorithm to compute the probabilities for each vertex being network exposed under several of these exposure conditions. Using these probabilities as inverse weights, a Horvitz-Thompson estimator can then provide an effect estimate that is unbiased, provided that the exposure model has been properly specified. Given an estimator that is unbiased, we focus on minimizing the variance. First, we develop simple sufficient conditions for the variance of the estimator to be asymptotically small in n, the size of the graph. However, for general randomization schemes, this variance can be lower bounded by an exponential function of the degrees of a graph. In contrast, we show that if a graph satisfies a restricted-growth condition on the growth rate of neighborhoods, then there exists a natural clustering algorithm, based on vertex neighborhoods, for which the variance of the estimator can be upper bounded by a linear function of the degrees. Thus we show that proper cluster randomization can lead to exponentially lower estimator variance when experimentally measuring average treatment effects under interference.

研究动机与目标

• 为解决标准A/B测试在存在社交干扰时的局限性，即处理效应在联网个体间发生溢出。
• 形式化定义‘网络暴露’的概念，以定义在所有个体均被处理的假设世界中，用户响应何时等价于该处理状态。
• 设计一种基于聚类的随机化方案，以在存在干扰时实现平均处理效应的无偏估计。
• 通过利用图结构，特别是受限增长条件，最小化霍尔维茨-汤普森估计器的方差。

提出的方法

• 将网络暴露定义为一个顶点处于某种处理配置中，使其响应等价于所有个体均被处理的完全处理世界。
• 使用图聚类方法分配处理，使得暴露概率可通过高效算法精确计算。
• 应用霍尔维茨-汤普森估计器并结合逆概率权重，以获得平均处理效应的无偏估计。
• 推导不同暴露模型下估计器的方差界，表明受限增长图可实现与顶点度数线性相关的方差界。
• 证明在受限增长条件下，方差上界为顶点度数的线性函数，从而相比一般图实现指数级方差减少。
• 使用基于邻域的聚类（例如基于2跳邻域）确保单位间依赖性较低，从而减少方差表达式中的协方差项。

实验结果

研究问题

• RQ1 我们能否形式化定义网络暴露的概念，使得在存在干扰时，能够实现平均处理效应的无偏估计？
• RQ2 我们如何设计一种随机化方案，以确保在存在干扰时霍尔维茨-汤普森估计器保持无偏？
• RQ3 网络结构的何种图论条件可导致估计器方差的显著减少？
• RQ4 我们能否实现与顶点度数呈线性关系而非指数关系的方差界，以及在何种条件下可以实现？
• RQ5 聚类算法的选择如何影响在存在干扰时处理效应估计器的方差？

主要发现

• 基于暴露概率推导的逆概率权重的霍尔维茨-汤普森估计器，在暴露模型正确指定时，可对平均处理效应实现无偏估计。
• 对于一般图，估计器的方差可被下界限定为顶点度数的指数函数，导致估计效率低下。
• 在受限增长条件下，基于邻域的聚类算法可确保估计器的方差上界为顶点度数的线性函数。
• 通过合理聚类随机化实现的方差减少可达到度数的指数级，显著提升估计精度。
• 方差表达式中的协方差项通过将依赖性限制在有界距离内（例如6跳）得到控制，这在受限增长图中是可行的。
• 该框架可推广至任意图，使用任意聚类算法，但仅在受限增长条件下能保证方差界。