📊 statistics

Sequential Transport for Causal Mediation Analysis

Die vorgestellte Arbeit entwickelt einen sequenziellen Transportansatz, der Optimal Transport mit kausalen Mediator-DAGs kombiniert, um ohne Cross-World-Annahmen konsistente, unit-level Gegenfaktische Mediatoren zu konstruieren und direkte sowie indirekte Effekte für kontinuierliche und kategorische Variablen zu zerlegen.

Ursprüngliche Autoren: Agathe Fernandes-Machado, Iryna Voitsitska, Arthur Charpentier, Ewen Gallic

Veröffentlicht 2026-03-17

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Agathe Fernandes-Machado, Iryna Voitsitska, Arthur Charpentier, Ewen Gallic

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Detektiv, der herausfinden soll, warum zwei Gruppen von Menschen unterschiedliche Ergebnisse erzielen. Vielleicht geht es darum, warum Männer und Frauen unterschiedliche Gehälter bekommen oder warum bestimmte Gruppen in einem Justizsystem härtere Strafen erhalten.

Die klassische Frage lautet: „Ist das Ergebnis direkt auf die Behandlung (z. B. das Geschlecht) zurückzuführen, oder liegt es an etwas dazwischen, wie z. B. der Ausbildung oder der Vorstrafenliste?"

Dieses Papier stellt eine neue Methode vor, die man „Sequentieller Transport" (Sequential Transport) nennt. Hier ist die Erklärung in einfachen Worten, mit ein paar anschaulichen Vergleichen:

1. Das Problem: Die „Was-wäre-wenn"-Falle

In der Statistik versuchen wir oft, in die Zukunft oder die Vergangenheit zu reisen. Wir fragen: „Wie wäre es gelaufen, wenn dieser Mann (Gruppe A) die gleichen Qualifikationen wie diese Frau (Gruppe B) gehabt hätte?"

Das Problem ist: Wir können nicht wirklich in eine Parallelwelt reisen. Wir können nicht sehen, was passiert wäre, wenn wir die Welt ändern. Herkömmliche Methoden versuchen, komplexe mathematische Formeln zu erfinden, um diese Parallelwelten zu simulieren. Aber das funktioniert oft nur, wenn die Welt sehr einfach und linear ist (wie ein gerader Strich). In der echten Welt ist alles aber verwickelt und chaotisch.

2. Die Lösung: Der „Minimal-Transport"

Die Autoren sagen: „Lass uns nicht raten, wie die Parallelwelt aussieht. Lass uns stattdessen die Menschen so verändern, wie es notwendig ist, damit sie zur anderen Gruppe passen, aber so wenig wie möglich."

Stellen Sie sich vor, Sie haben eine Gruppe von Menschen in einem Raum (Gruppe A) und eine andere Gruppe in einem anderen Raum (Gruppe B).

Die alte Methode: Sie versuchen, die ganze Gruppe A mit einem riesigen Zauberstab in Gruppe B zu verwandeln. Das Ergebnis sieht oft seltsam aus, weil die inneren Beziehungen der Menschen durcheinandergeraten.
Die neue Methode (Sequentieller Transport): Sie gehen Mensch für Mensch durch den Raum. Sie nehmen eine Person und fragen: „Welche Eigenschaft musst du ändern, damit du wie jemand aus Gruppe B aussiehst?"
- Aber hier ist der Clou: Sie ändern die Eigenschaften in einer bestimmten Reihenfolge, genau wie in einem Fluss, der von oben nach unten fließt.

3. Die Analogie: Der Fließband-Arbeiter und die Baupläne

Stellen Sie sich die Eigenschaften einer Person (Alter, Vorstrafen, Ausbildung) als eine Kette von Bausteinen vor. Diese Bausteine hängen voneinander ab.

Wenn Sie Ihr Alter ändern, ändert sich vielleicht Ihre Anzahl an Vorstrafen.
Wenn Sie Ihre Vorstrafen ändern, ändert sich vielleicht Ihre Jobchance.

Die Autoren nutzen eine Landkarte (einen DAG - Directed Acyclic Graph). Das ist wie ein Flussdiagramm, das zeigt, was was beeinflusst.
Der „Sequentielle Transport" ist wie ein Fließband:

Er nimmt zuerst die Bausteine, die ganz oben im Fluss liegen (z. B. das Alter). Er passt sie so an, dass sie wie in Gruppe B aussehen.
Dann nimmt er den nächsten Baustein (z. B. Vorstrafen). Er passt ihn an, aber er berücksichtigt, dass das Alter schon verändert wurde.
Er macht das Schritt für Schritt bis zum Ende.

Warum ist das genial?
Weil es die Logik der Welt respektiert. Es verhindert, dass wir jemanden in eine Situation bringen, die in der Realität unmöglich ist (z. B. jemanden mit 10 Vorstrafen, der aber erst 5 Jahre alt ist). Es sorgt dafür, dass die „neue" Person, die wir erschaffen, immer noch realistisch aussieht.

4. Der „Kleiderwechsel" (Für Zahlen und Kategorien)

Die Methode ist schlau genug, um mit verschiedenen Arten von Daten umzugehen:

Zahlen (z. B. Alter, Einkommen): Sie nutzen eine Art „linearen Maßstab". Wenn die Gruppe B im Durchschnitt 5 Jahre älter ist, wird die Person aus Gruppe A genau so viel „älter" gemacht, wie nötig, um in das neue Altersprofil zu passen.
Kategorien (z. B. Jobtyp, Geschlecht): Hier ist es schwieriger. Man kann nicht einfach „ein bisschen" einen Job haben. Die Methode nutzt eine Art „Wahrscheinlichkeits-Verteilung". Sie berechnet: „Wenn diese Person in Gruppe B wäre, welche Wahrscheinlichkeit hätte sie, diesen oder jenen Job zu haben?" Und dann weist sie ihr den passendsten Job zu, ohne die Gesamtstatistik zu verfälschen.

5. Was bringt uns das?

Mit dieser Methode können wir sehr genau sagen:

Wie viel des Unterschieds im Ergebnis (z. B. Gehalt) kommt davon, dass die Gruppen unterschiedliche Eigenschaften haben? (Das ist der „indirekte Effekt").
Wie viel kommt davon, dass sie einfach unterschiedlich behandelt werden, selbst wenn sie die gleichen Eigenschaften hätten? (Das ist der „direkte Effekt").

Ein konkretes Beispiel aus dem Papier:
Die Autoren haben das mit dem COMPAS-Datensatz (ein System zur Vorhersage von Rückfälligkeit bei Straftätern) getestet. Sie wollten wissen: Warum werden nicht-weiße Straftäter öfter als gefährlich eingestuft?

Ist es, weil sie mehr Vorstrafen haben? (Indirekter Effekt – durch den „Transport" der Vorstrafen erklärt).
Oder wird das System sie einfach unfairer bewerten, selbst wenn sie die gleiche Vorstrafenliste hätten? (Direkter Effekt).

Das Ergebnis: Der Großteil des Unterschieds lag an den unterschiedlichen Hintergründen (Vorstrafen, Alter), die durch den „Transport" erklärt wurden. Aber die Methode zeigt auch genau, wo die Ungerechtigkeit im System selbst liegt.

Zusammenfassung

Statt zu raten, wie eine Parallelwelt aussieht, nehmen die Autoren die echte Welt, schauen sich die Zusammenhänge genau an (die Landkarte/DAG) und verschieben die Menschen Schritt für Schritt so, dass sie zur anderen Gruppe passen.

Es ist wie das Umsortieren von Kisten auf einem LKW: Man nimmt nicht alles auf einmal und wirft es durcheinander. Man nimmt die Kiste oben, rückt sie an die richtige Stelle, dann die nächste, die davon abhängt, und so weiter. Am Ende sieht der LKW so aus wie der andere, aber die Kisten sind logisch und stabil angeordnet.

Das ist eine sehr mächtige Methode, um Fairness zu messen und zu verstehen, wo genau in unserer Gesellschaft die Räder klemmen.

1. Problemstellung und Motivation

Die kausale Mediationsanalyse zielt darauf ab, den Gesamteffekt einer Behandlung $A$ auf ein Ergebnis $Y$ in einen direkten Effekt und einen indirekten Effekt zu zerlegen, der über Mediatoren $X$ (Zwischenvariablen) verläuft.

Herausforderungen bestehender Methoden: Traditionelle Ansätze basieren oft auf strukturellen Gleichungsmodellen (SEM), die lineare Beziehungen oder spezifische parametrische Verteilungen voraussetzen. Diese sind in hochdimensionalen oder gemischten Datentypen (kontinuierlich und kategorisch) oft unzureichend.
Das „Cross-World"-Problem: Klassische Definitionen von direkten und indirekten Effekten (z. B. natürliche direkte/indirekte Effekte) erfordern kontrafaktische Szenarien, die niemals gleichzeitig beobachtbar sind (z. B. $Y(0, X(1))$ : Ergebnis bei Behandlung 0, aber Mediator wie bei Behandlung 1). Diese erfordern starke Annahmen über ungestörte Störgrößen in einem strukturellen Modell.
Ziel: Die Autoren wollen eine Methode entwickeln, die individuelle Mediator-Kontrafakten konstruiert, ohne ein parametrisches strukturelles Modell anzunehmen, und die gleichzeitig die kausale Struktur (DAG) der Mediatoren respektiert.

2. Methodik: Sequential Transport (ST)

Das Kernstück des Papers ist die Einführung von Sequential Transport (ST), einem Verteilungsrahmen, der Optimalen Transport (OT) mit der Struktur eines gerichteten azyklischen Graphen (DAG) kombiniert.

A. Grundprinzip: Mutatis Mutandis

Statt komplexe strukturelle Gleichungen zu lösen, verfolgt ST das Prinzip mutatis mutandis („unter Änderung dessen, was geändert werden muss"):

Wenn die Behandlung $A$ von 0 auf 1 wechselt, werden die Mediatoren $X$ nur so weit verändert, wie nötig, um die Verteilung der Mediatoren in der Behandlungsgruppe $A=1$ zu erreichen.
Dabei wird die bedingte Abhängigkeitsstruktur, die im DAG kodiert ist, strikt beibehalten.

B. Der Algorithmus: Sequenzieller Transport

Anstatt einen einzigen multivariaten Transport-Map für den gesamten Vektor $X$ zu berechnen (was die bedingten Beziehungen im DAG zerstören könnte), wird der Transport sequenziell entlang einer topologischen Sortierung des DAGs durchgeführt:

Topologische Ordnung: Die Mediatoren $X_1, \dots, X_d$ werden in einer Reihenfolge $\pi$ sortiert, sodass Elternknoten vor ihren Kindern verarbeitet werden.
Schrittweise Transformation: Für jeden Mediator $X_j$ $X_{j}$ wird ein Transport-Map $T_j$ $T_{j}$ angewendet.
- Kontinuierliche Mediatoren: Es werden monotone Transport-Maps basierend auf bedingten CDFs (Verteilungsfunktionen) und Quantilfunktionen verwendet. Der Map hängt von den bereits transportierten Elternwerten ab.
- Kategorische Mediatoren: Die Verteilungen werden als Wahrscheinlichkeitsvektoren auf einem Simplex betrachtet. Es wird ein deterministischer Transport-Map auf dem Simplex verwendet, gefolgt von einer Zuweisung (z. B. durch Argmax oder eine globale Zuweisung zur Wahrung der Randverteilungen).
Ergebnis: Für jede Einheit $i$ in der Kontrollgruppe ( $A=0$ ) wird ein deterministischer kontrafaktischer Mediator-Vektor $x^\star_{1,i}$ erzeugt, der in der Verteilung von $A=1$ liegt, aber strukturell konsistent mit dem DAG ist.

C. Effektzerlegung

Basierend auf den transportierten Mediatoren $x^\star_{1,i}$ und einem geschätzten Outcome-Modell $\hat{\mu}_a(x)$ werden individuelle Effekte berechnet:

Indirekter Effekt ( $\delta_i$ ): Änderung des Outcomes, wenn nur die Mediatoren transportiert werden (Behandlung bleibt bei 0).
Direkter Effekt ( $\zeta_i$ ): Änderung des Outcomes, wenn die Behandlung auf 1 wechselt, während die Mediatoren auf ihrem transportierten Zustand fixiert bleiben.
Gesamteffekt ( $\tau_i$ ): Summe aus direktem und indirektem Effekt.

3. Wichtige Beiträge

Einheitliche Framework für individuelle Effekte: ST ermöglicht die Berechnung von individuellen direkten und indirekten Effekten ohne parametrische Annahmen über die funktionalen Formen der strukturellen Gleichungen.
Theoretische Garantien: Die Autoren beweisen Konsistenzresultate für die geschätzten Transport-Maps. Unter Standard-Regularitätsbedingungen (z. B. glatte Dichten, bekannte DAG-Struktur) konvergieren die geschätzten kontrafaktischen Mediatoren gegen die wahren mutatis mutandis-Transformationen.
Umgang mit gemischten Datentypen: Das Verfahren integriert nahtlos kontinuierliche und kategorische Mediatoren, wobei letztere über Simplex-Transport behandelt werden.
DAG-Konsistenz: Im Gegensatz zu globalen multivariaten OT-Methoden erhält ST die bedingten Abhängigkeiten des Mediator-DAGs, was zu interpretierbaren kontrafaktischen Profilen führt.

4. Ergebnisse und Validierung

Gaußsche Simulationen: In linearen Gaußschen Szenarien (SEM) stimmt ST exakt mit klassischen Mediationsformeln überein. Dies bestätigt, dass ST die bekannten Ergebnisse in parametrischen Settings reproduziert.
Monte-Carlo-Simulationen: In nichtlinearen Szenarien mit gemischten Mediatoren (kontinuierlich und kategorisch) zeigt ST eine stabile Leistung und geringere Varianz im Vergleich zu nicht-sequenziellen OT-Methoden. Die individuellen Effekte sind robust und interpretierbar.
Anwendung auf COMPAS-Datensatz:
- Kontext: Analyse von Diskriminierung im Justizsystem (Rückfälligkeit), wobei die Rasse ( $A$ ) als sensible Attribut und Merkmale wie Vorstrafen oder Anklagegrad als Mediatoren dienen.
- Ergebnis: ST zerlegt die Diskrepanz zwischen weißen und nicht-weißen Angeklagten. Etwa zwei Drittel der Diskrepanz werden auf Unterschiede in den Mediator-Verteilungen (indirekter Effekt) zurückgeführt.
- Detailanalyse: Die Methode erlaubt eine feinkörnige Zuordnung, welche spezifischen Mediatoren (z. B. Anzahl der Vorstrafen) am meisten zur Diskrepanz beitragen. Die Ergebnisse sind deterministisch und konsistent mit dem angenommenen kausalen Graphen.

5. Bedeutung und Fazit

Das Paper stellt einen Paradigmenwechsel in der Mediationsanalyse dar:

Vom strukturellen zum verteilungsbasierten Ansatz: Statt Annahmen über unbeobachtete Störgrößen zu treffen, nutzt ST die beobachteten empirischen Verteilungen, um kontrafaktische Szenarien zu konstruieren.
Interpretierbarkeit: Die Methode liefert deterministische, individuelle kontrafaktische Profile, die für politische Entscheidungen oder Fairness-Audits (z. B. in Algorithmen) wertvoll sind, da sie genau aufzeigen, welche Merkmale geändert werden müssten, um ein anderes Ergebnis zu erzielen.
Anwendbarkeit: ST ist besonders relevant für Bereiche wie algorithmische Fairness, Epidemiologie und Politikbewertung, wo komplexe, nichtlineare Zusammenhänge und gemischte Datentypen vorliegen und kausale Strukturen (DAGs) bekannt oder plausibel angenommen werden können.

Einschränkung: Wie bei allen verteilungsbasierten Ansätzen erfordert die kausale Interpretation (insbesondere bei beobachteten Daten) Annahmen über die Exogenität der Behandlung und das Fehlen von unbeobachteten Confoundern. Ohne diese Annahmen liefert ST eine prinzipielle Verteilungszerlegung von Gruppenunterschieden, die jedoch nicht als identifizierter kausaler Effekt im strengen Sinne (unter $do$-Intervention) interpretiert werden kann, wenn Confounding vorliegt.