A Sensitivity Approach to Causal Inference Under Limited Overlap

Resumen Técnico: Un Enfoque de Sensibilidad para la Inferencia Causal bajo Solapamiento Limitado

1. El Problema: La Falta de Solapamiento en Datos Observacionales

En el análisis de datos observacionales, un desafío fundamental es la falta de solapamiento (o limited overlap) entre los grupos de tratamiento y control. Esto ocurre cuando existen regiones en el espacio de covariables donde la probabilidad de recibir tratamiento (puntuación de propensión, $\pi(x)$) es extremadamente cercana a 0 o 1.

• Consecuencias:
  • Inestabilidad: Los estimadores estándar (como IPW o AIPW) generan pesos de importancia extremadamente grandes, lo que infla la varianza y produce intervalos de confianza inestables o muy amplios.
  • Sesgo por Recorte (Trimming): Para estabilizar los estimadores, la práctica común es "recortar" o truncar los datos (eliminar unidades con puntuaciones de propensión extremas). Sin embargo, esto cambia el parámetro de interés (estimando el efecto solo en la región de solapamiento) e introduce un sesgo de extrapolación difícil de cuantificar.
  • Fallo Silencioso: Los métodos de inferencia asintóticos (basados en la normalidad) suelen fallar silenciosamente en estas regiones, produciendo conclusiones erróneas o contradictorias.

2. Metodología Propuesta

Los autores proponen un marco de sensibilidad que combina la inferencia asintótica estándar en regiones de buen soporte con un enfoque minimax de peor caso en regiones de solapamiento limitado.

A. Descomposición del Parámetro de Interés
El efecto promedio del tratamiento (ATE) global $\tau$ se descompone en dos partes basadas en un umbral de solapamiento $\epsilon$:

1. $\tau_+$ (Región de Solapamiento): Unidades donde $q(x) = \min(\pi(x), 1-\pi(x)) \geq \epsilon$. Aquí, se utilizan herramientas inferenciales asintóticas estándar (como AIPW) que son válidas y eficientes.
2. $\tau_-$ (Región de No-Solapamiento): Unidades donde $q(x) < \epsilon$. Aquí, la inferencia estándar falla.

B. Enfoque Minimax para la Región de No-Solapamiento
Para estimar el sesgo introducido por ignorar la región $\tau_-$, los autores aplican el marco de inferencia minimax de Donoho [13] y Armstrong & Kolesár [4], pero de manera selectiva:

• Supuesto de Suavidad: Se asume que la función de resultados $f(x, z)$ pertenece a una clase de funciones Lipschitz con constante $L$ (es decir, los resultados no cambian abruptamente ante pequeños cambios en las covariables).
• Acotación del Peor Caso: En lugar de aplicar el enfoque minimax a todo el conjunto de datos (lo cual sería excesivamente conservador), se aplica solo para acotar $\tau_-$.
• Estimador: Se construye un intervalo de confianza que minimiza la longitud del intervalo sujeto a una cobertura garantizada para todas las funciones en la clase Lipschitz. Esto implica un estimador afín con una corrección de sesgo explícita.

C. Análisis de Sensibilidad y Contextualización de Datos
En lugar de fijar arbitrariamente la constante de suavidad $L$ (que es difícil de justificar teóricamente), el método propone un análisis de sensibilidad:

• Contextualización: Se estima la suavidad de la función de resultados utilizando solo los datos de la región de solapamiento (donde la inferencia es fiable). Se calcula un estimador de Lipschitz $\tilde{L}_p$ basado en cuantiles de las diferencias normalizadas de los resultados predichos en la región de solapamiento.
• Curva de Sensibilidad: Los analistas pueden variar $L$ (o el percentil $p$) para observar cómo evoluciona el intervalo de confianza. Si el hallazgo principal se mantiene incluso bajo supuestos de suavidad débiles (valores altos de $L$), la conclusión es robusta. Si el intervalo cruza cero o cambia drásticamente, la conclusión depende de supuestos de extrapolación fuertes.

D. Intervalo Combinado ($MP_{combine}$)
Para obtener un intervalo de confianza válido para el ATE total ($\tau = \tau_+ + \tau_-$), se combina el intervalo asintótico de la región de solapamiento con el intervalo minimax de la región de no-solapamiento utilizando una cota de unión (union bound). Esto garantiza la cobertura global sin ser tan conservador como aplicar minimax a todo el conjunto de datos.

3. Contribuciones Clave

1. Marco de Sensibilidad Interpretativo: Transforma la inferencia causal bajo solapamiento limitado de un problema binario (aceptar/rechazar) a uno continuo, permitiendo a los analistas cuantificar cuánto deben asumir sobre la suavidad de los datos para validar sus conclusiones.
2. Eficiencia sobre el Minimax Puro: A diferencia de los métodos minimax anteriores que aplican el enfoque a todo el espacio de covariables (generando intervalos excesivamente anchos), este método aprovecha la eficiencia asintótica en la región de solapamiento y usa el minimax solo donde es estrictamente necesario.
3. Diagnóstico de Extrapolación: Proporciona una herramienta para diagnosticar cuándo las conclusiones de métodos estándar (como AIPW recortado) son espurias debido a la falta de soporte de datos.
4. Guía para Recolección de Datos: El marco se extiende para guiar la recolección activa de datos, ayudando a decidir qué nuevas muestras recolectar para reducir la incertidumbre en las regiones de no-solapamiento de manera más eficiente.

4. Resultados Empíricos

Los autores validan su enfoque mediante simulaciones y un estudio de caso con datos reales (PennUI - Pennsylvania Reemployment Bonus Demonstration):

• Simulaciones:
  • Los métodos estándar (AIPW recortado) muestran una probabilidad de cobertura que cae drásticamente a medida que aumenta la falta de solapamiento, a menudo muy por debajo del nivel nominal (ej. 95%).
  • El método propuesto (MP) mantiene una cobertura del 100% en la región de no-solapamiento.
  • El intervalo combinado (MP_combine) logra cobertura válida para el ATE total con una longitud significativamente menor que el intervalo minimax completo (que es demasiado conservador).
• Datos Reales (PennUI):
  • Al aplicar el método a datos simulados de un experimento aleatorizado convertidos en observacionales, se demuestra que el AIPW recortado sobreestima el efecto del tratamiento y falla en cubrir el valor real.
  • El enfoque de sensibilidad revela que la inferencia es sensible a la suavidad asumida, permitiendo a los analistas ajustar sus conclusiones o recolectar más datos en las regiones críticas.
• Selección de Muestreo: En el experimento de recolección de datos, el método predijo correctamente qué estrategia de muestreo (Option 2) reduciría más la incertidumbre, basándose en la extrapolabilidad de los datos, superando a estrategias basadas únicamente en la puntuación de propensión.

5. Significado e Impacto

Este trabajo es significativo porque aborda una de las limitaciones más críticas en la inferencia causal moderna: la extrapolación.

• Práctica: Ofrece una herramienta práctica para que los investigadores no confíen ciegamente en métodos estándar cuando el solapamiento es pobre, sino que cuantifiquen el riesgo de sus conclusiones.
• Teórica: Integra la teoría de estimación minimax (garantías de peor caso en muestras finitas) con la inferencia asintótica, creando un híbrido que equilibra la robustez y la eficiencia.
• Toma de Decisiones: Facilita decisiones informadas sobre si confiar, ajustar o reinterpretar los resultados de estudios observacionales, especialmente en políticas públicas y ciencias de la salud donde los datos pueden ser escasos en subgrupos específicos.

En resumen, el artículo propone un cambio de paradigma: en lugar de intentar forzar la validez asintótica en regiones donde no existe, se debe cuantificar explícitamente la incertidumbre de la extrapolación mediante supuestos de suavidad contextualizados en los datos disponibles.