Cross-World Assumption and Refining Prediction Intervals for Individual Treatment Effects

Aquí presento un resumen técnico detallado del artículo "Cross-World Assumption and Refining Prediction Intervals for Individual Treatment Effects" (Suposición de Mundos Cruzados y Refinamiento de Intervalos de Predicción para Efectos de Tratamiento Individuales), escrito por Juraj Bodik, Yaxuan Huang y Bin Yu.

1. Planteamiento del Problema

En la inferencia causal, los Efectos de Tratamiento Promedio (ATE) y los Efectos de Tratamiento Promedio Condicionales (CATE) son herramientas estándar para resumir el impacto de una intervención a nivel poblacional o de subgrupos. Sin embargo, para la toma de decisiones de alto riesgo (como en medicina personalizada o evaluación de políticas), estas medidas agregadas son insuficientes porque no capturan la heterogeneidad ni la incertidumbre a nivel individual.

El objetivo es estimar el Efecto de Tratamiento Individual (ITE), definido como $Y(1) - Y(0)$, donde $Y(1)$ y $Y(0)$ son los resultados potenciales bajo tratamiento y control, respectivamente.

El desafío fundamental:
El ITE es inherentemente no identificable. Para cualquier individuo, solo podemos observar uno de los dos resultados potenciales (el hecho), mientras que el otro (el contrafactual) permanece oculto. Esta limitación, conocida como el "problema fundamental de la inferencia causal", impide la construcción de intervalos de predicción precisos y fiables para el ITE sin hacer suposiciones adicionales. Los métodos existentes que intentan construir estos intervalos suelen producir rangos de predicción extremadamente amplios (poco útiles) o carecen de garantías de cobertura debido a la falta de identificación.

2. Metodología Propuesta

Los autores proponen un marco novedoso que introduce una Suposición de Mundos Cruzados (Cross-World Assumption) para cuantificar la incertidumbre individual.

A. El Parámetro de Correlación de Mundos Cruzados ($\rho$)

Se define un parámetro de correlación condicional entre los resultados potenciales dado un vector de covariables $X$:
$$\rho(x) = \text{cor}(Y(1), Y(0) \mid X = x)$$
Aunque $\rho(x)$ es teóricamente no identificable a partir de datos observacionales estándar, los autores argumentan que en la mayoría de las aplicaciones del mundo real es posible imponer límites razonables e interpretables basados en el conocimiento experto del dominio o datos auxiliares.

• Justificación: En muchos escenarios (ej. ensayos clínicos), factores latentes no observados (genética, estilo de vida) afectan a ambos resultados potenciales de manera similar, sugiriendo una correlación positiva ($\rho > 0$).
• Uso de datos auxiliares: Si se dispone de covariables auxiliares $Z$ (disponibles para un subconjunto de datos), se pueden derivar límites inferiores identificables para $\rho(x)$ utilizando la ley de la covarianza total y la desigualdad de Cauchy-Schwarz.

B. Construcción de los Intervalos CW($\rho$)

El método construye intervalos de predicción para el ITE combinando intervalos de predicción válidos para $Y(1)$ y $Y(0)$ por separado.

1. Se construyen intervalos marginales válidos $C_1(X)$ y $C_0(X)$ para los resultados observados y contrafactuales estimados, utilizando métodos de inferencia conformal (como la Regresión de Cuantiles Conformalizada - CQR).
2. Se define el intervalo para el ITE, denotado como CW($\rho$), utilizando una métrica de distancia ajustada por correlación:
   $$C_{ITE}(x) = [\hat{\tau}(x) - D_\rho(l_1, u_0), \hat{\tau}(x) + D_\rho(l_0, u_1)]$$
   Donde:
   • $\hat{\tau}(x)$ es una estimación del CATE.
   • $l_t, u_t$ son las anchuras de los intervalos para $Y(t)$.
   • $D_\rho(x, y) = \sqrt{x^2 + y^2 - 2\rho xy}$ es la Distancia Euclidiana Ajustada por Correlación.

Variante CW+CI($\rho$): Para mitigar el sesgo en la estimación del CATE ($\hat{\tau}$), especialmente cuando $\rho$ es alto, los autores proponen una variante que incorpora intervalos de confianza para $\hat{\tau}$ (obtenidos, por ejemplo, mediante bootstrapping), ampliando el intervalo base.

3. Contribuciones Clave

1. Fundamentación Teórica de la Suposición de Mundos Cruzados: Clarifican el papel de $\rho$ en la cuantificación de la incertidumbre del ITE y proporcionan herramientas prácticas para razonar, acotar y estimar $\rho$ utilizando conocimiento de dominio y datos auxiliares.
2. Nueva Clase de Intervalos de Predicción: Introducen los intervalos CW($\rho$) y CW+CI($\rho$), que explícitamente incorporan la suposición sobre la correlación de mundos cruzados.
3. Garantías de Cobertura y Optimalidad:
   • Demuestran que, si $\rho$ es conocido, los intervalos CW($\rho$) son asintóticamente óptimos (son los intervalos válidos más pequeños posibles) bajo supuestos gaussianos.
   • Establecen garantías de cobertura en muestras finitas incluso cuando $\rho$ solo está acotado (no conocido exactamente), siempre que se cumplan condiciones de regularidad sobre la calidad de la estimación y la distribución de los errores.
4. Eficiencia Empírica: Los intervalos propuestos logran coberturas válidas con anchuras significativamente menores (a menudo menos de 1/3 de los métodos competidores) al aprovechar la información de $\rho$.

4. Resultados Experimentales

Los autores evaluaron su método en datos sintéticos, semi-sintéticos (conjunto IHDP) y reales (estudios cruzados y datos de gemelos).

• Rendimiento en Cobertura y Ancho:
  • Los métodos existentes (como los de Lei y Candès, 2021) sufren de under-coverage (cobertura insuficiente) cuando $\rho$ es negativo y over-coverage (intervalos excesivamente amplios) cuando $\rho$ es positivo.
  • Los intervalos CW($\rho$) y CW+CI($\rho$) mantienen una cobertura válida y estable en todos los escenarios probados.
  • Cuando $\rho \approx 1$ (alta correlación positiva), los intervalos CW+CI($\rho$) son 3 a 5 veces más estrechos que los métodos de referencia, manteniendo al mismo tiempo la cobertura nominal (ej. 90%).
• Robustez:
  • El método es robusto a desviaciones de la normalidad (distribuciones no gaussianas) y a errores en la especificación de $\rho$ (usar un valor ligeramente incorrecto o un límite inferior conservador).
  • Incluso con un $\rho$ mal especificado (ej. $\rho_{usado} = \rho_{verdadero} - 0.25$), el método supera a los enfoques que ignoran por completo la dependencia de mundos cruzados.
• Análisis de Sensibilidad: Se demuestra cómo utilizar $\rho$ como parámetro de sensibilidad para explorar escenarios hipotéticos y evaluar la robustez de las decisiones ante covariables no observadas.

5. Significado e Impacto

Este trabajo representa un avance significativo en la inferencia causal individual al transformar un problema fundamentalmente no identificable en uno manejable mediante suposiciones plausibles y acotadas.

• Viabilidad Práctica: Demuestra que la cuantificación de la incertidumbre individual no requiere asumir que el problema es insoluble; en cambio, el conocimiento experto sobre la estructura de los datos (correlación entre resultados potenciales) puede explotarse para obtener intervalos de predicción útiles y estrechos.
• Aplicabilidad: Es crucial para aplicaciones donde las decisiones se toman a nivel individual (medicina de precisión, asignación de recursos educativos, políticas públicas), donde un intervalo de predicción demasiado ancho es inútil para la toma de decisiones.
• Marco General: Proporciona un marco teórico riguroso que conecta la inferencia conformal con modelos de ecuaciones estructurales y copulas, abriendo nuevas vías para la investigación en inferencia causal bajo incertidumbre.

En resumen, el artículo propone que, al aceptar y cuantificar la dependencia entre los mundos contrafactuales a través de $\rho$, es posible superar las limitaciones actuales de los intervalos de predicción para efectos de tratamiento individuales, logrando un equilibrio óptimo entre validez estadística y utilidad práctica.