Coarsening Bias from Variable Discretization in Causal Functionals

Resumen Técnico: Sesgo de Coarsening (Engrosamiento) por Discretización Variable en Funcionales Causales

Planteamiento del Problema
Los funcionales de identificación causal, particularmente en el análisis de mediación, los efectos específicos de trayectoria y la identificación por puerta frontal (front-door) dentro de DAGs (Grafos Acíclicos Dirigidos) con variables ocultas, a menudo requieren integrar una regresión de la variable de resultado sobre la densidad condicional de un mediador continuo. Cuando el mediador es continuo o de alta dimensión, estimar estas densidades y computar los integrales resultantes es estadísticamente exigente y computacionalmente demandante. Un recurso práctico común es discretizar el mediador continuo y reemplazar los integrales con sumas finitas.

Aunque es conveniente, esta discretización altera fundamentalmente el parámetro a nivel poblacional que se está estimando. Incluso cuando los supuestos de identificación causal se cumplen y los parámetros de confusión (nuisance parameters) se estiman de manera consistente, el funcional discretizado representa un objetivo distinto al funcional continuo original. Los autores identifican esta discrepancia como sesgo de coarsening (o error de coarsening). El artículo argumenta que este sesgo es distinto del error de estimación estadística; es un error de aproximación que surge al nivel del propio funcional objetivo. La literatura previa a menudo pasa por alto este sesgo o lo trata como secundario, pero este puede inducir errores no despreciables incluso con una identificación correcta.

Metodología y Marco Teórico
Los autores formalizan la diferencia entre el funcional causal original $\theta(Q)(c)$ y su análogo discretizado $\theta_h(Q)(c)$. Sea $M$ un mediador continuo discretizado en $K$ contenedores (bins) $B_k$ con un ancho $w_k$.

1. Caracterización del Error de Coarsening:
   El artículo demuestra que el funcional discretizado ingenuo incurre en un error de primer orden proporcional al ancho máximo del contenedor ($O(w_{\max, K})$). Este error es impulsado por el cambio en las medias condicionales dentro del contenedor del mediador a través de los niveles de tratamiento ($m_k(a_1, c) - m_k(a_0, c)$) y la pendiente local de la regresión del resultado $\mu(m, a, c)$.

   • Específicamente, el término de error es proporcional a $\mu'_m \times \Delta m_k$.
   • El error solo desaparece si la regresión del resultado es localmente constante dentro de los contenedores o si la distribución condicional del mediador no difiere entre los grupos de tratamiento dentro de cada contenedor.

2. Funcional de Coarsening Desesgado (Debiased):
   Para eliminar este error de primer orden, los autores proponen un funcional de coarsening desesgado, $\tilde{\theta}_h(Q)(c)$. En lugar de evaluar la regresión en los límites de los contenedores o utilizar promedios brutos de los contenedores, este método evalúa la regresión $\mu(m, a_1, c)$ en la media condicional dentro del contenedor del mediador bajo la distribución del tratamiento de referencia ($m_k(a_0, c)$).

   • Utilizando una expansión de Taylor, los autores demuestran que esta modificación cancela el término de primer orden.
   • El error de aproximación resultante se convierte en un error de segundo orden en el ancho del contenedor (O(w_{\max, K}^2}), reduciendo significativamente el sesgo incluso con un agrupamiento grueso.

3. Estimación Estadística:
   Los autores derivan tanto estimadores de plug-in como de un paso (one-step estimators) para el funcional desesgado.

   • Estimación Suavizada: Debido a que la evaluación puntual de la regresión en las medias estimadas puede violar los requisitos de diferenciabilidad por trayectoria (pathwise differentiability) para los métodos basados en funciones de influencia (como los estimadores de un paso) cuando $M$ es continuo, los autores introducen una versión suavizada. Esta reemplaza la evaluación puntual con un promedio localizado utilizando una función de kernel y un ancho de banda $b$.
   • Funciones de Influencia: Los autores derivan la función de influencia eficiente (EIF) para el funcional desesgado suavizado, permitiendo la construcción de estimadores de un paso asintóticamente lineales que son robustos a la especificación errónea de los modelos de confusión.

Resultados Clave

• Límites Teóricos: Bajo condiciones de suavidad, el estimador discretizado ingenuo tiene un sesgo asintótico de $O(1/K)$ (para contenedores de ancho igual), mientras que el estimador desesgado propuesto logra un $O(1/K^2)$.
• Estudios de Simulación:
  • Reducción del Sesgo: Las simulaciones confirman que el estimador discretizado ingenuo retiene un sesgo sustancial que no desaparece a medida que el tamaño de la muestra $n$ aumenta (lo que refleja el error a nivel poblacional). En contraste, el estimador desesgado exhibe un sesgo cercano a cero en varios tamaños de muestra y conteos de contenedores.
  • Cobertura: El estimador desesgado logra una cobertura de intervalo de confianza casi nominal (por ejemplo, 95%), mientras que el estimador ingenuo sufre de una cobertura deficiente debido al sesgo no corregido.
  • Robustez: El enfoque desesgado funciona bien tanto bajo especificación correcta como bajo diversas formas de especificación errónea de los modelos de confusión, particularmente cuando se combina con correcciones de un paso.
  • Esquemas de Discretización: El estudio compara discretizaciones de frecuencia igual, ancho igual empírico y ancho predefinido. Aunque la elección del agrupamiento afecta la magnitud del sesgo ingenuo, el estimador desesgado permanece robusto y preciso en todos los esquemas.
• Aplicación a Datos Reales: En un análisis de la aplicación B_PROUD (despacho de Unidades Móviles de Ictus), el estimador desesgado produjo resultados consistentes con un enfoque de regresión secuencial (que evita la estimación de densidad por completo) y difirió significativamente del estimador de coarsening ingenuo, particularmente con un agrupamiento grueso ($K=2$).

Significancia y Reivindicaciones
El artículo afirma proporcionar una base formal para controlar el impacto de la discretización variable en la inferencia causal. Sus principales contribuciones son:

1. Distinción de Errores: Distingue claramente el error de aproximación funcional (sesgo de coarsening) del error de estimación estadística, señalando que las correcciones estándar de funciones de influencia (como los estimadores de un paso) abordan este último, pero fallan en corregir el primero si el funcional objetivo está mal especificado por la discretización.
2. Corrección Simple: Propone una corrección computacionalmente simple (evaluar en las medias dentro del contenedor) que elimina el término de sesgo de primer orden sin requerir una estimación de densidad compleja o abandonar el marco de discretización.
3. Utilidad Práctica: Los resultados sugieren que los investigadores pueden usar la discretización para conveniencia computacional o interpretabilidad (por ejemplo, umbrales clínicos) sin sacrificar la validez de sus estimaciones causales, siempre que apliquen la corrección de desesgo propuesta.

Los autores concluyen que, si bien la discretización suele ser necesaria en la práctica, ignorar el sesgo de coarsening resultante conduce a una inferencia inválida. El marco propuesto permite el control de este sesgo, permitiendo una estimación estadística válida incluso cuando las variables continuas son sometidas a procesos de coarsening.