Non-overlap Average Treatment Effect Bounds

Resumen Técnico: Límites del Efecto Promedio del Tratamiento sin Superposición

Enunciado del Problema
El Efecto Promedio del Tratamiento (ATE), definido como la diferencia media en los resultados potenciales bajo tratamiento versus control, es un objetivo canónico en la inferencia causal. La identificación estándar del ATE depende de tres supuestos: consistencia, intercambiabilidad condicional (sin confusión no medida) y superposición (positividad). El supuesto de superposición requiere que cada unidad tenga una probabilidad no nula de recibir tratamiento o control ($0 < P(A=1|X) < 1$).

Cuando falla la superposición —ya sea estructuralmente (las puntuaciones de propensión son exactamente 0 o 1 para algunas subpoblaciones) o prácticamente (las puntuaciones de propensión son extremadamente cercanas a 0 o 1, lo que conduce a datos escasos en muestras finitas)— el ATE no es identificable puntualmente. La solución estándar en tales escenarios es abandonar el ATE en favor de estimandos alternativos, como efectos definidos en una subpoblación recortada de "superposición" o mediante intervenciones incrementales de puntuación de propensión. Sin embargo, estos enfoques alteran la pregunta científica de interés y a menudo producen resultados menos interpretables. Además, los estimadores puntuales tradicionales para el ATE (por ejemplo, estimadores doblemente robustos) pueden exhibir un rendimiento deficiente en muestras finitas, varianza infinita o distribuciones de muestreo no normales cuando se viola la superposición.

Metodología
Los autores proponen un enfoque novedoso para derivar límites sin superposición: límites de identificación parcial para el ATE que no requieren el supuesto de superposición, siempre que la variable de resultado esté acotada (por ejemplo, $Y \in [0, 1]$).

1. Identificación mediante Umbralización de la Puntuación de Propensión:
   La población se divide en dos subpoblaciones basadas en un umbral de puntuación de propensión $c \in [0, 0.5]$:

   • Subpoblación de Superposición: Unidades donde $\pi(X) > c$ y $\pi(X) < 1-c$. Aquí, el efecto del tratamiento es identificable puntualmente bajo supuestos estándar.
   • Subpoblación sin Superposición: Unidades donde $\pi(X) \le c$ o $\pi(X) \ge 1-c$. Aquí, el efecto del tratamiento no es identificable.

   Los autores derivan límites combinando la estimación puntual del efecto en la región de superposición con límites del peor caso para la región sin superposición. Específicamente, el límite inferior $L(c)$ resta la masa de probabilidad del grupo sin superposición de alta propensión, y el límite superior $U(c)$ suma la masa de probabilidad del grupo sin superposición de baja propensión. La anchura de estos límites (la "brecha de identificación") es proporcional al tamaño de la subpoblación sin superposición.

2. Aproximaciones Suaves:
   Los límites derivados son funcionales no suaves debido al uso de funciones indicadoras, lo que plantea desafíos para la estimación y la inferencia bajo supuestos no paramétricos. Para abordar esto, los autores construyen aproximaciones suaves ($s_\ell$ y $s_g$) de las funciones indicadoras. Estas aproximaciones están diseñadas para satisfacer propiedades específicas (acotar las funciones indicadoras desde abajo) para asegurar que los límites suaves resultantes aún contengan el verdadero ATE. Esto permite el uso de la teoría de eficiencia semiparamétrica.

3. Estimación e Inferencia (TMLE):
   Los autores proponen un Estimador Basado en Pérdida Mínima Dirigida (TMLE) para los límites suaves. Al derivar la Función de Influencia Eficiente (EIF) para estos funcionales suaves, construyen estimadores que son consistentes en $\sqrt{n}$ y asintóticamente normales bajo condiciones no paramétricas, siempre que los parámetros de molestia (puntuación de propensión y regresión de resultados) se estimen a tasas suficientes ($n^{-1/4}$).

4. Inferencia Uniforme mediante Bootstrap Multiplicador:
   Dado que el umbral óptimo $c$ y el parámetro de suavizado $\gamma$ son desconocidos, los autores desarrollan un procedimiento de bootstrap multiplicador. Este método construye conjuntos de confianza uniformes a través de una cuadrícula de combinaciones $(c, \gamma)$. Los investigadores pueden luego informar el intervalo válido más estrecho de esta cuadrícula, equilibrando la compensación entre la brecha de identificación (menor $c$) y la incertidumbre de estimación/error de suavizado (mayor $c$ o $\gamma$).

Contribuciones Clave
El artículo hace tres contribuciones principales:

1. Identificación: Derivación de límites de identificación parcial para el ATE que dependen únicamente de la consistencia, la intercambiabilidad condicional y la acotación del resultado, relajando explícitamente el supuesto de superposición.
2. Estimación e Inferencia: Desarrollo de estimadores de tasa $\sqrt{n}$ (TMLE) y un procedimiento de bootstrap multiplicador que produce conjuntos de confianza válidos uniformemente a través de un rango de umbrales y parámetros de suavizado. Esto permite una inferencia válida incluso cuando la subpoblación sin superposición es pequeña.
3. Comparación Teórica y Empírica: Una comparación formal de los límites sin superposición frente a estimadores puntuales tradicionales en diferentes regímenes de superposición (fuerte, algo débil y muy débil).

Resultados

• Hallazgos Teóricos:
  • Bajo superposición fuerte, los intervalos de confianza sin superposición son asintóticamente equivalentes a los intervalos de estimadores puntuales tradicionales.
  • Bajo superposición muy débil (donde el límite de eficiencia para el ATE es infinito y la estimación $\sqrt{n}$ es imposible para estimadores puntuales), los límites sin superposición siguen siendo estimables a tasas $\sqrt{n}$ con intervalos de confianza válidos.
  • Bajo superposición algo débil (límite de eficiencia finito pero grande), los límites sin superposición pueden producir intervalos de confianza más cortos que los estimadores puntuales en muestras finitas, particularmente cerca de la transición de fase donde la superposición es marginal.
• Estudios de Simulación:
  • En escenarios con violaciones prácticas extremas de superposición, los límites sin superposición demostraron mayor potencia estadística, anchuras de incertidumbre más cortas y una cobertura empírica mejor en comparación con los estimadores puntuales doblemente robustos, que a menudo producían intervalos no informativos que abarcaban todo el espacio paramétrico.
  • En escenarios de "caso promedio" sin violaciones extremas, los límites sin superposición permanecieron competitivos, logrando a menudo intervalos más estrechos que los métodos tradicionales.
• Aplicación en el Mundo Real:
  • El método se aplicó a seis conjuntos de datos observacionales, incluido el estudio de Cateterismo Cardíaco Derecho (RHC). En el conjunto de datos RHC, donde los estimadores puntuales tradicionales produjeron intervalos no informativos debido a violaciones de superposición, los límites sin superposición proporcionaron un intervalo ajustado e informativo ($-0.10, -0.03$) que excluyó cero, sugiriendo un efecto del tratamiento significativo.

Significado
Los autores afirman que este trabajo ofrece una solución "sin arrepentimientos" para la estimación del ATE en presencia de violaciones de superposición. A diferencia de enfoques alternativos que cambian el estimando objetivo (por ejemplo, recortar a una población de superposición), este método mantiene el ATE como el objeto principal de investigación. Proporciona inferencia estadística válida incluso cuando el ATE no es identificable puntualmente, sin requerir conocimiento a priori de la población de superposición. El enfoque es particularmente valioso en entornos del mundo real donde las violaciones de superposición a menudo se limitan a pequeñas subpoblaciones, permitiendo a los investigadores informar límites ajustados y válidos que aprovechan la señal de la región de superposición mientras tienen en cuenta la incertidumbre en la región sin superposición. El artículo enfatiza que, aunque existe una compensación entre la brecha de identificación y la varianza de estimación, el marco de inferencia uniforme propuesto permite a los investigadores navegar esta compensación de manera óptima.