Independent-Set Design of Experiments for Estimating Treatment and Spillover Effects under Network Interference
网络干扰下估计处理效应与溢出效应的独立集实验设计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确讨论网络干扰中的实验分配、处理效应与溢出效应，直接对应因果推断以及网络与干扰。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
网络干扰下估计处理效应与溢出效应的独立集实验设计
- 研究问题
- 在已观测、稀疏且连通的网络中，如何减少处理分配与干扰暴露的纠缠，同时估计直接处理效应和溢出效应？
- 方法与思路
- 作者以独立集中的节点作为重点分析对象，通过其余辅助节点的处理分配控制干扰暴露，并研究相应估计量。
- 材料陈述的贡献
- 摘要称给出贪心算法所得独立集规模的下界及估计量的理论依据，并通过模拟展示相对常规设计的表现。
- 阅读关注点
- 应核对干扰暴露和两类效应的定义、随机分配机制、独立集选择规则，以及理论比较与模拟优势成立的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未说明完整干扰假设及优势适用范围，不能推广到任意网络。
原文摘要
Interference is ubiquitous when conducting causal experiments over networks. Except for certain network structures, causal inference on the network in the presence of interference is difficult due to the entanglement between the treatment assignments and the interference levels. In this article, we conduct causal inference under interference on an observed, sparse but connected network, and we propose a novel design of experiments based on an independent set. Compared to conventional designs, the independent-set design focuses on an independent subset of data and controls their interference exposures through the assignments to the rest (auxiliary set). We provide a lower bound on the size of the independent set from a greedy algorithm , and justify the theoretical performance of estimators under the proposed design. Our approach is capable of estimating both spillover effects and treatment effects. We justify its superiority over conventional methods and illustrate the empirical performance through simulations.