Resumen Técnico: Desconfundamiento mediante Aprendizaje de Transferencia Perfilado

1. Planteamiento del Problema

En la estimación de efectos basada en regresión y en la inferencia causal, los confundidores no medidos son una fuente primaria de sesgo, lo que conduce a correlaciones espurias y conclusiones causales inválidas. Los métodos de desconfundamiento tradicionales suelen operar dentro de marcos de un solo conjunto de datos y dependen de la estimación directa de las estructuras de confusión (por ejemplo, análisis factorial) o de la incorporación de variables auxiliares (por ejemplo, variables instrumentales o variables de proximidad/proxy). Estos enfoques a menudo enfrentan desafíos prácticos, como la dificultad de seleccionar variables auxiliares adecuadas o la dependencia de supuestos estrictos como la restricción de exclusión o las tendencias paralelas.

Además, aunque el aprendizaje de transferencia se utiliza cada vez más para aprovechar conjuntos de datos de origen con estructuras similares para mejorar la estimación en el objetivo, los paradigmas convencionales de aprendizaje de transferencia no abordan el confundimiento oculto. La aplicación directa del aprendizaje de transferencia estándar a modelos confundidos no aprovecha las estructuras de confusión compartidas entre los datos de origen y de destino, lo que resulta en estimaciones sesgadas de los desplazamientos del modelo y de los parámetros del objetivo.

2. Metodología: Marco de Trabajo ProTrans

El artículo propone ProTrans (Aprendizaje de Transferencia Perfilado), un marco diseñado para mitigar los efectos de confusión en un conjunto de datos de destino aprovechando conjuntos de datos de origen adicionales que comparten estructuras de confusión similares. La innovación central es el concepto de residuos perfilados, que caracterizan y transfieren los patrones de confusión compartidos desde los orígenes hacia el destino.

2.1 Configuración del Modelo

El modelo de destino se define como un modelo de ecuaciones estructurales con confundidores ocultos $H_t$:
$$Y_{ti} = \beta_t^\top X_{ti} + \phi_t^\top H_{ti} + \varepsilon_{ti}$$
$$X_{ti} = f(H_{ti}) + E_{ti}$$
donde $\beta_t$ es el parámetro de interés, y $f(\cdot)$ es un mapeo desconocido que describe la estructura de confusión. El objetivo es estimar el parámetro de destino $\beta_t$ o el desplazamiento del modelo $\eta_0 = \beta_t - \beta_s$ (donde $\beta_s$ es el promedio del parámetro de origen).

2.2 El Algoritmo ProTrans

El método procede en dos etapas principales:

1. Estimación de Parámetros de Origen y Construcción de Residuos:

   • Se agrupan los datos de origen para estimar un parámetro inicial de origen $\hat{\beta}_{init}$ (el cual no necesita estar desconfundido).
   • Se construyen los Residuos Perfilados de Origen: $\hat{Z}_s^{(k)} = Y_s^{(k)} - X_s^{(k)}\hat{\beta}_{init}$. Estos residuos codifican información sobre los confundidores ocultos en los datos de origen.
   • Se obtiene un estimador de origen desconfundado $\hat{\beta}_s$ (por ejemplo, mediante la transformación trim o LASSO sobre los datos de origen agrupados). Debido al gran tamaño de la muestra de los datos de origen ($n_s \gg n_t$), el desconfundamiento de los modelos de origen es más factible y preciso que en el de destino.

2. Transferencia de Residuos Perfilados y Estimación de Destino:

   • Se construye un residuo de destino perfilado $\hat{Z}_t$ alineando la correlación entre la covariable y el residuo del destino con la correlación entre la covariable y el residuo del origen:
     $$\hat{Z}_t = \arg \min_{Z_t} \left\| \frac{1}{n_t} X_t^\top Z_t - \frac{1}{n_s} \sum_{k=1}^K X_s^{(k)\top} \hat{Z}_s^{(k)} \right\|_\infty$$
   • Este paso transfiere efectivamente los efectos de confusión desde los orígenes hacia el destino, asegurando que el término $(X_t^\top X_t)^\dagger X_t^\top (H_t \phi_t - \hat{Z}_t)$ aproxime el sesgo inducido por el estimador inicial.
   • Estimación del Desplazamiento del Modelo: El desplazamiento del modelo $\eta_0$ se estima mediante la regresión de la respuesta ajustada del destino $(Y_t - \hat{Z}_t - X_t \hat{\beta}_{init})$ contra $X_t$ utilizando un estimador de mínimos cuadrados penalizado (por ejemplo, LASSO).
   • Estimación del Parámetro de Destino: El parámetro final de destino se estima como $\hat{\beta}_t = \hat{\beta}_s + \hat{\eta}$.

2.3 Selección de Origen

Para manejar escenarios donde los efectos de confusión varían entre los orígenes, los autores proponen un procedimiento de selección de origen informativo basado en una puntuación de calidad recién propuesta. Esto permite al marco filtrar los orígenes no informativos preservando las garantías teóricas.

3. Resultados Teóricos

El artículo establece límites de error no asintóticos y optimalidad minimax para los estimadores de ProTrans bajo condiciones moderadas.

• Estimación del Desplazamiento del Modelo ($\hat{\eta}$):

  • El estimador alcanza la tasa de convergencia oráculo de $\sqrt{s_\eta \log p / n_t}$, igualando la tasa óptima para modelos sin confundidores ocultos.
  • Crucialmente, esta tasa se logra sin imponer supuestos específicos sobre la verdadera estructura de confusión (por ejemplo, linealidad) ni requerir variables auxiliares.
  • En contraste, los estimadores de aprendizaje de transferencia convencionales ($\tilde{\eta}$) sufren límites de error dominados por el sesgo de confusión, específicamente términos que involucran $\sqrt{p \|\phi_t\|_2^2 / (n_t \lambda_q(\Psi)^2)}$, los cuales pueden dominar el error si la estructura de confusión está mal condicionada.

• Estimación del Parámetro de Destino ($\hat{\beta}_t$):

  • El error de estimación consta de dos componentes: el error libre de confusión de la estimación del desplazamiento del modelo y el error de estimación de origen.
  • El sesgo de confusión se reduce de orden $n_t^{-1/2}$ (en métodos clásicos) a orden $n_s^{-1/2}$ debido a que los efectos de confusión se mitigan utilizando el gran tamaño de la muestra de origen.
  • El estimador ProTrans alcanza el límite inferior minimax para la estimación del parámetro de destino bajo condiciones moderadas.

• Robustez:

  • El marco es robusto a los orígenes no informativos mediante la estrategia de selección propuesta.
  • Las garantías teóricas se mantienen incluso cuando la estructura de confusión $f(\cdot)$ es no lineal y desconocida, siempre que los efectos de confusión sean similares entre el origen y el destino (o al menos un origen sea similar).

4. Contribuciones Clave y Significado

Los autores resumen las contribuciones de ProTrans de la siguiente manera:

1. Primer Enfoque de Aprendizaje de Transferencia para el Desconfundamiento: ProTrans es el primer intento de aprovechar la información adicional de origen específicamente para mitigar los efectos de confusión. A diferencia de los métodos de desconfundamiento existentes, no requiere supuestos restrictivos sobre las estructuras de confusión ocultas ni la disponibilidad de variables auxiliares (variables instrumentales o de proximidad/proxy).
2. Corrección del Aprendizaje de Transferencia Convencional: El artículo demuestra que la aplicación directa del aprendizaje de transferencia convencional a modelos confundidos falla en eliminar el sesgo inducido por la confusión. ProTrans complementa la literatura de aprendizaje de transferencia al transferir explícitamente la estructura de confusión a través de residuos perfilados.
3. Estimación de Efectos de Tratamiento: Como subproducto, el marco ofrece un enfoque novedoso para estimar efectos de tratamiento donde el grupo de tratamiento sirve como el destino y el grupo de control como el origen. En este escenario, el desplazamiento del modelo proporciona directamente la estimación del efecto del tratamiento sin necesidad de variables instrumentales.
4. Optimalidad Teórica: El artículo prueba que ProTrans alcanza tasas minimax óptimas tanto para el desplazamiento del modelo como para la estimación del parámetro de destino, superando significativamente a los métodos clásicos de aprendizaje de transferencia en presencia de confusión fuerte o compleja.

5. Validación Empírica

La efectividad de ProTrans se valida a través de experimentos simulados y aplicaciones de datos del mundo real. Estos experimentos confirman que ProTrans mitiga eficazmente los efectos de confusión latente y respalda los hallazgos teóricos respecto a las tasas de convergencia y la robustez ante orígenes no informativos.