Algorithmic Interference.pdf
«Algorithmic Interference and Causal Inference on Platforms» (2025), Susan Athey, Guido Imbens, Vasilis Syrgkanis, Jeff Wu
Статья предлагает новую рамку для каузального анализа в платформенной экономике, исходя из того, что классическое предположение SUTVA (Stable Unit Treatment Value Assumption) здесь системно нарушается. В отличие от традиционных рынков, где эффекты можно считать индивидуальными, на платформах взаимодействие пользователей опосредовано алгоритмами - ранжирования, мэтчинга и распределения. Это означает, что воздействие на одного участника (например, бонус водителю или продвижение продавца) неизбежно влияет на других через перераспределение спроса или внимания. Авторы вводят концепцию алгоритмической интерференции (algorithmic interference), где ключевой переменной становится не только treatment, но и алгоритмическая экспозиция (algorithmic exposure) - положение агента в системе, определяемое алгоритмом.
Методологический вклад статьи - модель, в которой исход зависит одновременно от собственного воздействия и взаимодействия через алгоритм. На этой основе предлагается подход DAIV (Debiased Algorithmic Instrumental Variable), сочетающий инструментальные переменные и Double Machine Learning. Ключевой результат: даже современные методы могут давать значительное смещение, если игнорируют алгоритмическую структуру - в симуляциях ошибка достигает ~50% (!). При выполнении условия локальной алгоритмической монотонности (LAM) возможна точечная идентификация эффектов; в противном случае - только интервальная, с тестами на наличие интерференции.
Практическое значение выходит за пределы платформ и касается академических задач и оценки политик. Методы применимы к системам с опосредованным распределением ресурсов: рынкам труда, образовательным платформам, госуслугам, цифровым платформам и маркетплейсам. Во всех случаях эффекты распространяются не только напрямую, но и через конкурентное перераспределение, что требует учета алгоритмов.
С точки зрения государственной политики это означает переход к algorithm-aware causal inference, где алгоритмы рассматриваются как институциональные механизмы. Для исследований - интеграцию данных о работе платформ в эконометрические модели, для policy - новые стандарты оценки цифровых интервенций с учетом интерференции. В более широком смысле статья показывает, что объект анализа современной экономики - не только агенты, но и алгоритмические системы, через которые реализуется их взаимодействие.
@evidencespace
Статья предлагает новую рамку для каузального анализа в платформенной экономике, исходя из того, что классическое предположение SUTVA (Stable Unit Treatment Value Assumption) здесь системно нарушается. В отличие от традиционных рынков, где эффекты можно считать индивидуальными, на платформах взаимодействие пользователей опосредовано алгоритмами - ранжирования, мэтчинга и распределения. Это означает, что воздействие на одного участника (например, бонус водителю или продвижение продавца) неизбежно влияет на других через перераспределение спроса или внимания. Авторы вводят концепцию алгоритмической интерференции (algorithmic interference), где ключевой переменной становится не только treatment, но и алгоритмическая экспозиция (algorithmic exposure) - положение агента в системе, определяемое алгоритмом.
Методологический вклад статьи - модель, в которой исход зависит одновременно от собственного воздействия и взаимодействия через алгоритм. На этой основе предлагается подход DAIV (Debiased Algorithmic Instrumental Variable), сочетающий инструментальные переменные и Double Machine Learning. Ключевой результат: даже современные методы могут давать значительное смещение, если игнорируют алгоритмическую структуру - в симуляциях ошибка достигает ~50% (!). При выполнении условия локальной алгоритмической монотонности (LAM) возможна точечная идентификация эффектов; в противном случае - только интервальная, с тестами на наличие интерференции.
Практическое значение выходит за пределы платформ и касается академических задач и оценки политик. Методы применимы к системам с опосредованным распределением ресурсов: рынкам труда, образовательным платформам, госуслугам, цифровым платформам и маркетплейсам. Во всех случаях эффекты распространяются не только напрямую, но и через конкурентное перераспределение, что требует учета алгоритмов.
С точки зрения государственной политики это означает переход к algorithm-aware causal inference, где алгоритмы рассматриваются как институциональные механизмы. Для исследований - интеграцию данных о работе платформ в эконометрические модели, для policy - новые стандарты оценки цифровых интервенций с учетом интерференции. В более широком смысле статья показывает, что объект анализа современной экономики - не только агенты, но и алгоритмические системы, через которые реализуется их взаимодействие.
@evidencespace