[论文解读] Using Embeddings for Causal Estimation of Peer Influence in Social Networks

Irina Cristali, Victor Veitch|arXiv (Cornell University)|May 17, 2022

Advanced Causal Inference Techniques被引用 9

一句话总结

本文提出一种非参数因果推断方法，通过利用节点嵌入来调整未观测到的同质性（homophily）——即混淆处理效应的潜在特质——以估计社交网络中的同伴影响。通过从网络结构中学习嵌入，并将其用作代理控制变量，该方法能够在不假设网络或结果过程具有特定函数形式的前提下，实现对传染效应的稳健估计。

ABSTRACT

We address the problem of using observational data to estimate peer contagion effects, the influence of treatments applied to individuals in a network on the outcomes of their neighbors. A main challenge to such estimation is that homophily - the tendency of connected units to share similar latent traits - acts as an unobserved confounder for contagion effects. Informally, it's hard to tell whether your friends have similar outcomes because they were influenced by your treatment, or whether it's due to some common trait that caused you to be friends in the first place. Because these common causes are not usually directly observed, they cannot be simply adjusted for. We describe an approach to perform the required adjustment using node embeddings learned from the network itself. The main aim is to perform this adjustment nonparametrically, without functional form assumptions on either the process that generated the network or the treatment assignment and outcome processes. The key contributions are to nonparametrically formalize the causal effect in a way that accounts for homophily, and to show how embedding methods can be used to identify and estimate this effect. Code is available at https://github.com/IrinaCristali/Peer-Contagion-on-Networks.

研究动机与目标

• 解决在观察性网络数据中估计同伴传染效应的挑战，其中未观测到的同质性作为混淆因子存在。
• 克服传统调整方法的局限性，即这些方法需要直接观测到导致网络关系和相似结果的潜在特质。
• 提出一种非参数因果估计方法，不假设网络生成、处理分配或结果过程的具体函数形式。
• 通过基于嵌入的代理变量形式化一个考虑同质性的因果效应定义。
• 证明使用学习到的节点嵌入作为混淆因子调整的充分统计量在网络因果推断中的可行性和稳健性。

提出的方法

• 使用表示学习方法（例如，node2vec、GraphSAGE 或类似方法）从观测到的网络结构中学习节点嵌入，以捕捉潜在的结构和关系特征。
• 将学习到的嵌入用作代理变量，在估计同伴影响效应时非参数地调整未观测到的同质性。
• 将因果 estimand 形式化为潜在结果框架，其中节点的结果取决于其自身的处理状态及其邻居的处理状态，并通过嵌入进行调整。
• 采用非参数估计策略（如逆概率加权或双机器学习）并使用嵌入作为控制变量，以减少未观测混淆因子带来的偏差。
• 确保嵌入方法仅基于网络本身进行训练，不使用结果或处理信息，以保持因果推断的有效性。
• 通过模拟研究和真实世界网络数据验证该方法，与未调整同质性的标准方法进行性能对比。

实验结果

研究问题

• RQ1 节点嵌入能否在估计社交网络中同伴影响时，作为未观测到的同质性的有效代理控制变量？
• RQ2 在存在未观测混淆因子的情况下，所提出的基于嵌入的调整方法与标准回归调整相比表现如何？
• RQ3 与具有强函数形式假设的参数模型相比，该方法的非参数性质在多大程度上提升了稳健性？
• RQ4 当网络生成过程复杂或未知时，该方法是否仍能维持有效的因果推断？
• RQ5 当潜在混淆特质无法直接观测时，该方法是否仍能可靠估计同伴传染效应？

主要发现

• 与未考虑同质性的标准回归模型相比，所提出的方法显著降低了估计同伴影响效应时的偏差。
• 节点嵌入能够有效捕捉潜在的同质性特质，作为因果估计中未观测混淆因子的有效代理控制变量。
• 当真实数据生成过程复杂或模型设定错误时，该非参数方法优于参数替代方法。
• 该方法在多种网络结构和嵌入学习算法下均保持一致的估计性能。
• 实证结果表明，基于嵌入的调整在合成数据和真实世界网络数据集中均能带来更准确、更可靠的因果估计。
• 该方法无需显式建模网络形成过程或处理分配机制，即可实现有效的因果推断。