📊 statistics

Partial Identification of Causal Effects Using Proxy Variables

Este artículo propone métodos de identificación parcial que aprovechan variables proxy para derivar límites sobre los efectos causales en presencia de confusión no medida, eludiendo la necesidad de condiciones de completitud empíricamente no contrastables requeridas para la identificación puntual.

Autores originales: AmirEmad Ghassami, Yunshu Zhang, Ilya Shpitser, Eric Tchetgen Tchetgen

Publicado 2026-08-06

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: AmirEmad Ghassami, Yunshu Zhang, Ilya Shpitser, Eric Tchetgen Tchetgen

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un detective intentando resolver un misterio: ¿causó una acción específica un resultado específico? En el mundo de la ciencia, esto se llama averiguar los "efectos causales". Por lo general, los detectives dependen de una escena del crimen perfecta donde pueden ver cada una de las pistas. En estadística, esto significa tener una lista completa de todos los factores que podrían influir tanto en la acción como en el resultado. Si tienes esa lista, puedes decir con confianza: "Esto causó aquello".

Pero la vida real es desordenada. A menudo, hay "villanos ocultos" —factores que no podemos ver o medir— que arruinan las pistas. Estos se llaman "confundidores no observados". Tal vez el nivel de estrés oculto de una persona hace que sea más probable que tome un medicamento y también que se enferme. Si no conoces el estrés, podrías culpar erróneamente al medicamento. Durante mucho tiempo, los científicos pensaron que si no podías ver al villano oculto, estabas atrapado. No podías resolver el misterio.

Entonces, llegó una nueva idea llamada "inferencia causal proximal". Es como decir: "Está bien, no podemos ver al villano oculto, pero tal vez tengamos una sombra o una huella cerca que nos diga algo sobre él". Estas "huellas" son variables de proximidad (proxy variables). Si la sombra es lo suficientemente larga y detallada, podemos usarla para reconstruir la forma del villano y resolver el caso. Sin embargo, había un inconveniente: para usar este método perfectamente, la sombra tenía que ser un reflejo perfecto del villano. Si la sombra era borrosa o incompleta, todo el método se rompía y el misterio permanecía sin resolver.

Este artículo trata sobre qué sucede cuando la sombra no es perfecta. Los autores, un equipo de estadísticos y científicos de la computación, se dieron cuenta de que no siempre necesitamos una sombra perfecta para obtener algunas respuestas. En lugar de intentar encontrar la forma exacta del villano oculto (lo cual podría ser imposible), desarrollaron una nueva forma de dibujar una caja alrededor de las posibles respuestas. Demuestran que, incluso con una sombra borrosa, todavía podemos decir: "La respuesta está definitivamente entre este número y aquel número". No necesitan el "puente" perfecto para cruzar el vacío; solo necesitan construir una cerca resistente alrededor de la verdad.

El equipo probó su nuevo método de "construcción de cercas" de dos maneras. Primero, crearon mundos falsos en una simulación por computadora para ver qué tan bien funcionaba su matemática. Descubrieron que su método era muy bueno capturando la respuesta verdadera dentro de la caja, incluso cuando la información era imperfecta. De hecho, en muchos de sus escenarios falsos, la caja que construyeron era sorprendentemente estrecha, proporcionando un rango de posibilidades muy claro. Segundo, llevaron su método a un misterio médico del mundo real que involucraba a pacientes en estado crítico en una unidad de cuidados intensivos. Querían saber si un procedimiento específico (cateterismo cardíaco derecho) ayudaba o perjudicaba a los pacientes. Usando su nuevo método con datos de más de 5,000 pacientes, descubrieron que el procedimiento probablemente acortaba el tiempo de supervivencia de los pacientes. Sus resultados coincidieron con lo que otros científicos habían encontrado utilizando métodos diferentes y más exigentes, demostrando que su enfoque de la "cerca" funciona en el mundo real.

El artículo no pretende haber resuelto el misterio de cada villano oculto para siempre. En cambio, ofrece una nueva y poderosa herramienta para cuando las pistas están incompletas. Nos dice que, incluso cuando no podemos señalar la respuesta exacta, todavía podemos reducir las posibilidades lo suficiente como para tomar decisiones inteligentes e informadas. Transforma un "no lo sabemos" en un "sabemos que está en algún lugar dentro de este rango", lo cual es, a menudo, exactamente lo que necesitamos para seguir adelante.

Resumen Técnico: Identificación Parcial de Efectos Causales mediante Variables Proxy

Planteamiento del Problema
La evaluación de efectos causales a partir de datos observacionales a menudo depende del supuesto de intercambiabilidad condicional, el cual requiere que todos los causantes comunes del tratamiento y del resultado sean observados. En presencia de confundidores no observados, este supuesto se viola. El marco de inferencia causal proximal, introducido por Tchetgen Tchetgen et al. (2020), aborda esto utilizando variables proxy para los confundidores no observados con el fin de lograr la identificación puntual. Sin embargo, este marco generalmente requiere una "condición de completitud", que asegura que las variables proxy capturen todas las fuentes de variación en los confundidores no observados. Esta condición no es contrastable y a menudo falla en entornos prácticos, particularmente cuando solo se dispone de un tipo de proxy o cuando los proxies son insuficientemente ricos. En consecuencia, la identificación de las "funciones puente" necesarias (soluciones de ecuaciones integrales que involucran variables no observadas) se vuelve imposible, haciendo que la identificación puntual de los efectos causales sea inviable.

Metodología
Este artículo propone un marco de identificación parcial que no depende de condiciones de completitud ni de la identificación puntual de funciones puente. Los autores establecen límites sobre los parámetros causales (específicamente el Efecto de Tratamiento Promedio (ATE) y el Efecto del Tratamiento en los Tratados (ETT)) utilizando variables proxy bajo supuestos más débiles.

La metodología se desarrolla a través de tres escenarios principales:

Escenarios de Proxy Único:
- Proxy de Confusión de Resultado ( $W$ ): Asume que $W \perp \perp A \mid \{X, U\}$ (independiente del tratamiento dados los confundidores) y la existencia de una función puente no negativa $h$ que vincula la media del resultado potencial con $W$ . Sin completitud, los autores derivan límites para las medias de los resultados potenciales condicionales y marginales basados en la razón de las probabilidades condicionales del proxy.
- Proxy de Confusión de Tratamiento ( $Z$ ): Asume que $Z \perp \perp Y \mid \{A, X, U\}$ (independiente del resultado dados el tratamiento y los confundidores) y la existencia de una función puente $q$ que relaciona la razón de verosimilitud del confundidor no observado con $Z$ . Los límites se derivan utilizando la esperanza condicional del resultado dado el proxy.
Dos Proxies Independientes Inválidos: El marco se extiende a escenarios con dos proxies ( $W$ y $Z$ ) que son condicionalmente independientes dados los confundidores pero que pueden no satisfacer restricciones de exclusión estrictas (es decir, pueden estar directamente asociados con el tratamiento o el resultado). Esto permite obtener límites válidos incluso cuando los proxies individuales son "inválidos" en el sentido tradicional.
Mediadores No Observados: El enfoque se adapta al análisis de mediación y a modelos de puerta frontal (front-door) donde el mediador es no observado pero se dispone de un proxy. Los autores proporcionan límites de identificación parcial para los Efectos Indirectos Naturales (NIE) y los Efectos Directos Naturales (NDE), así como para el ATE en entornos de puerta frontal, sin requerir la identificación puntual de la distribución del mediador.

Inferencia y Estimación
Los límites derivados son funcionales no suaves de la distribución de los datos observados (que involucran operadores $\min$ y $\max$ ), lo que complica la inferencia estadística estándar. Para abordar esto, los autores:

Emplean aproximaciones de LogSumExp (LSE) para construir límites inferiores y superiores suaves.
Derivan las Funciones de Influencia Eficientes (EIFs) para estos funcionales de límites suaves.
Utilizan estas EIFs para permitir estimadores de un paso (one-step estimators) con estimación analítica de la varianza.
Observan que, para estimadores de inserción (plug-in) regulares, los intervalos de confianza por bootstrap estándar siguen siendo válidos.

Resultos Clave y Contribuciones

Relajación de la Completitud: El artículo demuestra que los efectos causales pueden identificarse parcialmente incluso cuando la condición de completitud falla, obviando la necesidad de resolver ecuaciones integrales para las funciones puente.
Generalización de Tipos de Proxy: El marco acomoda escenarios con proxies únicos, dos proxies independientes (incluso si son "inválidos") y mediadores no observados, ampliando la aplicabilidad de la inferencia causal proximal.
Marco de Inferencia: Al derivar EIFs para aproximaciones suaves de los límites, el artículo proporciona una base rigurosa para errores estándar analíticos e intervalos de confianza, yendo más allá de la inferencia puramente basada en simulación.
Desempeño de la Simulación: Los estudios de simulación indican que los métodos propuestos producen intervalos de confianza del 95% válidos cuando los supuestos se cumplen. Notablemente, el método basado en " $Z$ " (usando un proxy de confusión de tratamiento) a menudo produce límites más estrechos que el método basado en " $W$ ". Las simulaciones también sugieren robustez ante violaciones leves del supuesto de existencia de la función puente, con altas tasas de cobertura incluso cuando el número de estados del proxy es menor que los estados del confundidor no observado.
Aplicación Empírica: El método se aplica al conjunto de datos SUPPORT para evaluar el efecto de la Cateterización Cardíaca Derecha (RHC) sobre la supervivencia. Utilizando dos variables proxy diferentes (PaFI y PaCO2), el estudio encuentra efectos causales negativos de la RHC sobre la supervivencia, consistentes con la literatura previa que utilizó métodos de identificación puntual.

Significancia
El artículo sostiene que su principal contribución es establecer que los proxies pueden aprovecharse para obtener límites sobre los efectos causales incluso cuando la información disponible es insuficiente para la identificación puntual. Al eliminar la dependencia de la condición de completitud, no contrastable, los autores argumentan que el marco de inferencia causal proximal se vuelve aplicable en una gama más amplia de escenarios prácticos donde solo se dispone de información de proxy limitada. El desarrollo de aproximaciones suaves y funciones de influencia eficientes permite, además, una inferencia estadística robusta para estos resultados de identificación parcial.

Más como este