Community informed experimental design
Community informed experimental design
复制标题
社区知情实验设计
DOI：
10.1007/s10260-022-00679-6
复制
发表时间：
2023
影响因子：
1
通讯作者：
Volfovsky, Alexander
中科院分区：
文献类型：
--
作者：
Mathews, Heather;Volfovsky, Alexander
网络信息化已成为许多现代实验的共同特征。从疫苗有效性研究到产品推广，利益相关者的目标是评估全球治疗效果--如果网络中的每个人都得到治疗，与没有人得到治疗相比，会发生什么。由于个体结果可能受到网络中其他人的治疗或行为的影响，因此实验设计必须以底层网络为条件。社交网络经常表现出同性恋社区结构，这意味着观察到的或潜在社区中的个体彼此更相似。这一观察激发了社区意识实验设计的发展。这种设计认识到，个体之间的信息可能在社区边缘内沿着流动，而不是跨越社区边缘。我们证明，这种设计减少了一个简单的差异，均值估计的偏差，即使社区结构的图需要估计。此外，我们表明，社区检测问题变得更加困难，或者如果社区结构不影响因果问题，所提出的设计保持其性能。
Network information has become a common feature of many modern experiments. From vaccine efficacy studies to marketing for product adoption, stakeholders aim to estimate global treatment effects — what happens if everyone in a network is treated versus if no one is treated. Because individual outcomes are potentially influenced by the treatments or behaviors of others in the network, experimental designs must condition on the underlying network. Social networks frequently exhibit homophilous community structure, meaning that individuals within observed or latent communities are more similar to each. This observation motivates the development of community aware experimental design. This design recognizes that information between individuals likely flows along within community edges rather than across community edges. We demonstrate that this design reduces the bias of a simple difference in means estimator, even when the community structure of the graph needs to be estimated. Further, we show that as the community detection problem gets more difficult or if the community structure does not affect the causal question, the proposed design maintains its performance.
登录
查看更多内容
具有协变量的网络的贝叶斯社区检测
DOI：
10.48550/arxiv.2203.02090
发表时间：
2022
期刊：
ArXiv
影响因子：
--
作者：
Luyi W. Shen;A. Amini;Nathaniel Josephs;Lizhen Lin
通讯作者：
Lizhen Lin
社交网络方法研究青少年欺凌和好感度之间随着时间的推移之间的相互作用
影响因子：
4.9
作者：
Miranda Sentse;N. Kiuru;R. Veenstra;C. Salmivalli
通讯作者：
C. Salmivalli
大规模网络实验
DOI：
10.1145/3447548.3467091
发表时间：
2020
期刊：
Proceedings of the 27th ACM SIGKDD Conference on Knowledge Discovery & Data Mining
影响因子：
--
作者：
B. Karrer;Liang Shi;Monica Bhole;Matt Goldman;Tyrone Palmer;Charlie Gelman;Mikael Konutgan;Feng Sun
通讯作者：
Feng Sun
DOI：
10.1109/allerton.2019.8919733
发表时间：
2019-09
期刊：
2019 57th Annual Allerton Conference on Communication, Control, and Computing (Allerton)
影响因子：
--
作者：
Vaishakhi Mayya;G. Reeves
通讯作者：
Vaishakhi Mayya;G. Reeves
影响因子：
1.4
作者：
J. Ugander;Hao Yin
通讯作者：
Hao Yin