Bridging Binarization: Causal Inference with Dichotomized Continuous Exposures

Resumen Técnico: Cerrando la brecha de la binarización: Inferencia causal con exposiciones continuas dicotomizadas

Planteamiento del problema
En la inferencia causal, el Efecto de Tratamiento Promedio (ATE, por sus siglas en inglés) es un parámetro estándar definido para exposiciones binarias. Sin embargo, muchas disciplinas científicas buscan cuantificar los efectos causales de exposiciones continuas (por ejemplo, la desigualdad de ingresos, el consumo de alcohol, los niveles de pesticidas). Una práctica común para abordar esto es la "binarización" (o dicotomización), donde una variable de exposición continua $A$ se convierte en una variable dummy binaria $T$ basada en un punto de corte específico (por ejemplo, $T=1$ si $A \geq c$, de lo contrario $T=0$). Los investigadores luego estiman el ATE utilizando $T$, denominado "ATE binarizado" (BATE).

A pesar de su prevalencia, la binarización enfrenta críticas metodológicas significativas. Los críticos argumentan que viola el Supuesto de Valor de la Unidad de Tratamiento Estable (SUTVA) al implicar que existen múltiples versiones del tratamiento dentro de una sola categoría binaria. Además, suele criticarse por asumir la homogeneidad del riesgo dentro de las categorías y por oscurecer el mecanismo específico de la intervención. En consecuencia, muchos investigadores se ven disuadidos de usar este enfoque, aunque sigue siendo ampliamente empleado en la salud pública y las ciencias sociales.

Metodología
Los autores proponen un marco que valida la binarización mediante la reinterpretación del BATE a través de la lente de las Políticas de Tratamiento Modificadas (MTPs).

1. Equivalencia con Políticas de Tratamiento Modificadas:
   El artículo demuestra que el BATE es matemáticamente equivalente a la diferencia en los promedios de los resultados bajo dos MTPs específicas. Estas políticas no simplemente asignan un valor fijo; más bien, alteran la distribución subyacente de la exposición continua $A$ condicional a los confundidores $W$.

   • Política 1 ($\tilde{A}_1$): Restringe la exposición a la región donde $T=1$ (por ejemplo, $A \geq c$).
   • Política 0 ($\tilde{A}_0$): Restringe la exposición a la región donde $T=0$ (por ejemplo, $A < c$).
   • Supuesto clave: Ambas políticas asumen la preservación de la autoselección relativa. Esto significa que, dentro de la región permitida, la razón de la densidad de probabilidad de cualquier par de valores de exposición permanece inalterada en relación con el mundo observado. Formalmente, para cualquier $a, a' \in \text{región permitida}$, $\frac{p(\tilde{A}|W=a)}{p(\tilde{A}|W=a')} = \frac{p(A|W=a)}{p(A|W=a')}$. Esto es análogo a la Independencia de Alternativas Irrelevantes (IIA) de Luce.

2. Identificación:
   Bajo supuestos causales estándar (Positividad y Condicionalidad de Independencia/Ausencia de Confusión No Medida), el BATE se identifica como la diferencia en los resultados esperados bajo estas dos MTPs: $\Psi_{BATE} = E[Y^{\tilde{A}_1}] - E[Y^{\tilde{A}_0}]$. Esta formulación proporciona un mecanismo causal transparente, negando las violaciones de SUTVA al definir explícitamente cómo cambia la distribución de la exposición.

3. Nuevo Estimando: Efecto Atribuible Causal de la Binarización (CAB):
   Los autores introducen un nuevo parámetro, el CAB ($\Psi_{CAB}$), definido como la diferencia entre el resultado esperado bajo una MTP (por ejemplo, la política de "tratamiento") y el resultado esperado en el mundo observado (status quo): $\Psi_{CAB} = E[Y^{\tilde{A}_t}] - E[Y]$.

   • Los autores argumentan que esto es a menudo más relevante que el BATE porque compara una intervención de política específica contra la realidad actual, en lugar de comparar dos mundos contrafácticos hipotéticos.
   • La identificación del CAB requiere supuestos más débiles (positividad unidireccional) en comparación con el BATE (positividad bidireccional).

4. Estimación:
   El artículo detalla cuatro estimadores tanto para el BATE como para el CAB: Ajuste de Regresión, Ponderación por Probabilidad Inversa (IPW), Ponderación por Probabilidad Inversa Aumentada (AIPW) y Estimación de Máxima Verosimilitud Dirigida (TMLE).

   • Un hallazgo técnico crítico es que estimar estos parámetros no requiere estimar la densidad completa de la exposición continua $A$. Debido a la equivalencia con el ATE binarizado, los investigadores solo necesitan estimar el score de propensión de la variable binaria $T$ (es decir, $P(T=1|W)$) y la regresión del resultado $E[Y|T, W]$. Esto simplifica significativamente la implementación en comparación con otras MTPs que requieren la estimación de la densidad.

Resultados

• Estudio de Simulación: Los autores realizaron un estudio de simulación con 5,000 réplicas con tamaños de muestra de 150, 300 y 500. Los resultados mostraron que los estimadores de regresión, IPW y AIPW para el BATE y el CAB fueron consistentes con un sesgo insignificante. Los errores estándar fueron comparables entre métodos, y los estimadores funcionaron bien incluso con tamaños de muestra pequeños. Crucialmente, la simulación confirmó que la estimación consistente es posible utilizando solo la variable binarizada $T$ y las covariables $W$, sin necesidad de la distribución completa de $A$.
• Aplicación (Pozos de Petróleo/Gas en California): El método se aplicó para evaluar una propuesta de ley en California que crea Zonas de Protección de la Salud de 1 km alrededor de pozos de petróleo y gas. La exposición fue la distancia al pozo más cercano, binarizada a 1 km.
  • El BATE estimado sugirió un aumento del 0.205% en la probabilidad de bajo peso al nacer si todos los pozos se movieran fuera de 1 km en comparación con un mundo donde todos estuvieran dentro de 1 km.
  • El CAB estimado sugirió solo un aumento del 0.0080% en la probabilidad de bajo peso al nacer si se implementara la política en comparación con el status quo actual.
  • Los autores señalan que el BATE puede sobreestimar el efecto de la política porque compara dos mundos hipotéticos extremos, mientras que el CAB compara la política con la realidad observada. También discuten que el supuesto de "preservación de la autoselección relativa" puede no cumplirse perfectamente si la eliminación de pozos cambia la configuración espacial del siguiente pozo más cercano, pero el método proporciona una forma estructurada para evaluar tales políticas.

Significancia y Reivindicaciones
El artículo afirma proporcionar una justificación teórica rigurosa para la práctica generalizada de binarizar exposiciones continuas. Al establecer la equivalencia entre el BATE y las MTPs que preservan la autoselección relativa, los autores argumentan que la binarización es un método estadísticamente válido para responder preguntas causales específicas, siempre que los supuestos subyacentes sean plausibles para el contexto de la política específica.

Las contribuciones clave incluyen:

1. Validación Teórica: Resolver el debate sobre la binarización definiendo el mecanismo causal preciso (MTPs) que representa.
2. Nuevo Parámetro (CAB): Proponer el CAB como un estimando más relevante para las políticas que compara la intervención con el status quo, con requisitos de identificación más débiles.
3. Estimación Práctica: Demostrar que estas complejas MTPs pueden estimarse utilizando técnicas de ATE estándar (regresión, IPW, AIPW, TMLE) sin necesidad de la estimación no paramétrica de la densidad de la exposición continua, haciendo que el enfoque sea accesible para los profesionales.
4. Guía Contextual: Enfatizar que la validez de la binarización depende del conocimiento específico del dominio con respecto a cómo se comportarían los individuos bajo la política (por ejemplo, si se reubicarían o ajustarían su comportamiento para mantener las preferencias relativas). El artículo no pretende que la binarización sea universalmente correcta, sino que es una herramienta válida cuando el supuesto de "preservación de la autoselección relativa" se alinea con el mecanismo de la política en el mundo real.