Causal Partial Identification via Conditional Optimal Transport

Aquí presento un resumen técnico detallado del artículo "Causal Partial Identification via Conditional Optimal Transport" (Identificación Parcial Causal mediante Transporte Óptimo Condicional), estructurado según los puntos solicitados.

1. Planteamiento del Problema

El artículo aborda el desafío fundamental en la inferencia causal de estimar estimandos causales que dependen de la distribución conjunta de los resultados potenciales bajo tratamiento ($Y(1)$) y control ($Y(0)$) para una misma unidad.

• El Problema de Identificación: En escenarios típicos, solo se observa uno de los dos resultados potenciales por unidad (el hecho de "no poder observar simultáneamente" ambos). Esto hace que la distribución conjunta $\mu_{Y(0), Y(1)}$ sea no identificable, situando el problema en el dominio de la Identificación Parcial (PI).
• El Rol de las Covariables: La presencia de covariables pre-tratamiento ($Z$) puede reducir la incertidumbre en la estimación. El objetivo es construir conjuntos de identificación parcial (PI) más pequeños e informativos utilizando estas covariables.
• El Desafío Estadístico: Recientemente se ha propuesto utilizar el Transporte Óptimo Condicional (COT) para caracterizar estos conjuntos PI asistidos por covariables. Sin embargo, la estimación de COT en muestras finitas presenta dificultades severas:
  • El funcional de COT es discontinuo bajo la topología débil estándar (metrizada por la distancia de Wasserstein $W_1$).
  • Esto implica que el estimador "plug-in" directo (usar distribuciones empíricas condicionales) es inconsistente.
  • Las soluciones existentes dependen de relajaciones del problema o de la estimación indirecta de estadísticas de molestia (nuisance parameters) no paramétricas, lo cual introduce sesgos o requiere suposiciones de modelo fuertes.

2. Metodología Propuesta

Los autores proponen un enfoque directo y consistente basado en la teoría de la topología inducida por la Distancia de Wasserstein Adaptada ($W_a$).

A. Continuidad bajo Topología Adaptada

El hallazgo teórico central es demostrar que, aunque el funcional COT es discontinuo bajo la topología débil, es continuo bajo la topología más fuerte inducida por la distancia de Wasserstein Adaptada ($W_a$).

• La distancia $W_a$ mide la discrepancia entre distribuciones condicionales (núcleos de transición) en lugar de solo las distribuciones marginales conjuntas.
• Esto requiere la convergencia uniforme de las distribuciones condicionales de los resultados dadas las covariables.

B. Estimador No Paramétrico Directo

Basándose en la continuidad anterior, proponen un estimador directo que evita la estimación de funciones de molestia (como propensiones o regresiones condicionales explícitas):

1. Discretización de Covariables: Se define un mapa de proyección que discretiza el espacio de covariables $Z$ en una cuadrícula de celdas finitas (definición de "centro de celda").
2. Distribución Empírica Adaptada: Se construye una distribución empírica donde las covariables se asignan a los centros de estas celdas, pero los resultados $Y$ se mantienen continuos. Esto suaviza el problema de la falta de coincidencia exacta de covariables entre grupos de tratamiento y control.
3. Acoplamiento Óptimo: Se calcula un acoplamiento óptimo entre las distribuciones marginales discretizadas de las covariables de ambos grupos.
4. Estimación del Valor COT: El estimador final es la integral del costo de transporte óptimo condicional sobre este acoplamiento.

C. Diseño de Estudio y Ajuste

• Diseño Bernoulli: Para asignación aleatoria simple, el estimador es consistente y se derivan tasas de convergencia.
• Desplazamiento de Covariables (Covariate Shift): Para estudios observacionales donde la asignación del tratamiento depende de $Z$ (puntuación de propensión $e(z)$), el método incorpora un reponderamiento (reweighting) de las muestras. Utilizan un procedimiento de cross-fitting (ajuste cruzado) para estimar la puntuación de propensión y construir las distribuciones empíricas adaptadas, garantizando la independencia necesaria para la consistencia.

3. Contribuciones Clave

1. Fundamentación Teórica: Establecen que el problema de identificación parcial asistido por covariables puede formularse como un problema de COT (Teorema 1) y prueban la continuidad del funcional COT bajo la topología de Wasserstein Adaptada (Teorema 2).
2. Nuevo Estimador: Proponen un estimador no paramétrico directo y consistente para el valor de COT. A diferencia de métodos previos, no requiere estimar funciones de regresión o densidades condicionales complejas, evitando así la estimación de parámetros de molestia.
3. Análisis de Convergencia: Derivan límites de error en muestras finitas y tasas de convergencia para el estimador.
   • La tasa depende de la dimensión de las covariables ($d_Z$) y de los resultados ($d_Y$).
   • Se demuestra robustez frente a perturbaciones en la distribución de las covariables (Teorema 5).
4. Generalización: Extienden los resultados a diseños con asignación de tratamiento dependiente de las covariables (estudios observacionales), proporcionando garantías teóricas incluso con estimación de la puntuación de propensión (Teorema 6).

4. Resultados Empíricos

Los autores validan su método mediante simulaciones exhaustivas y un estudio con datos reales (proyecto STAR sobre rendimiento académico).

• Comparación con el Estado del Arte: Comparan su estimador ("adapt") con el método DualBounds (que utiliza regresión de crestas o K-vecinos más cercanos para estimar funciones de molestia).
  • Modelos Lineales: El método basado en regresión de crestas funciona bien, pero el estimador COT adaptado logra una precisión comparable sin asumir linealidad.
  • Modelos No Lineales (Cuadráticos/Escala): El estimador COT adaptado supera significativamente a los métodos basados en regresión (tanto ridge como KNN), especialmente cuando la relación verdadera es no lineal, donde los métodos basados en modelos fallan en capturar la estructura.
• Robustez: El método muestra estabilidad ante pequeños desplazamientos en la distribución de las covariables, validando la garantía teórica de robustez.
• Datos Reales: En el análisis semi-sintético basado en datos reales, el método propuesto consistently produce errores relativos más bajos en la estimación de los límites del conjunto de identificación parcial para la correlación entre resultados potenciales.

5. Significado e Impacto

Este trabajo es significativo por varias razones:

• Resolución de un Problema de Consistencia: Resuelve el problema de la inconsistencia del estimador plug-in en COT al introducir la topología de Wasserstein Adaptada, un concepto que conecta la inferencia causal con la teoría de transporte óptimo estocástico.
• Eliminación de Suposiciones de Modelo: Proporciona una herramienta de "caja negra" (model-agnostic) para la identificación parcial. No asume una forma funcional específica para la relación entre covariables y resultados, lo cual es crucial en escenarios de alta dimensionalidad o relaciones complejas.
• Eficiencia Computacional y Estadística: Al evitar la estimación de densidades condicionales o regresiones no paramétricas complejas, el método reduce la carga computacional y el riesgo de sobreajuste, ofreciendo tasas de convergencia óptimas para la dimensión de los datos.
• Aplicabilidad General: La metodología es aplicable tanto a ensayos controlados aleatorizados como a estudios observacionales, llenando una brecha importante en la literatura de inferencia causal para estimandos que dependen de distribuciones conjuntas no observables.

En resumen, el artículo ofrece un marco teórico sólido y un algoritmo práctico para refinar los límites de identificación causal utilizando covariables, superando las limitaciones de los enfoques anteriores basados en relajaciones o estimación indirecta de funciones de molestia.