Causal inference for spatiotemporal point processes in the presence of outcome spillover and carryover

A continuación presento un resumen técnico detallado del artículo "Causal inference for spatiotemporal point processes in the presence of outcome spillover and carryover" (Inferencia causal para procesos puntuales espacio-temporales en presencia de desbordamiento y arrastre de resultados), escrito por Conor Kresin, Duncan A. Clark, Louis Davis y Martin L. Hazelton.

---

1. El Problema

El artículo aborda un desafío fundamental en la inferencia causal aplicada a datos continuos espacio-temporales: cómo estimar el efecto de una intervención cuando existen dependencias espaciales y temporales complejas (desbordamiento o spillover y arrastre o carryover).

• Contexto: Muchos fenómenos (epidemiología, sismología, finanzas) se modelan naturalmente como procesos puntuales espacio-temporales (eventos con tiempo y ubicación exacta), no como conteos agregados.
• Dificultad Central: Los métodos estándar de inferencia causal asumen unidades independientes. Sin embargo, en procesos puntuales, un evento en una región puede "excitar" o influir en eventos futuros en otras regiones (desbordamiento espacial) o en el mismo lugar (arrastre temporal).
• Limitaciones de enfoques previos:
  • La agregación de datos (agrupar eventos en celdas espaciales y ventanas de tiempo) descarta la información exacta de ubicación y tiempo, introduciendo el problema de la unidad areal modificable y ocultando la estructura interna de las celdas.
  • Ignorar el desbordamiento conduce a estimaciones inconsistentes e inferencias inválidas.
  • Condicionar en resultados pasados (lagged outcomes) para controlar la dependencia puede introducir sesgos de selección (sesgo de colisionador) y bloquear caminos causales legítimos.

2. Metodología Propuesta

Los autores desarrollan un marco basado en modelos que integra la inferencia causal con la teoría de procesos puntuales.

A. Marco Conceptual y Definición de Estimandos

• Superposición Latente: El proceso observado post-tratamiento ($N$) se modela como una superposición no etiquetada de dos procesos latentes: un componente de control ($N_0$) y un componente de tratamiento ($N_1$).
  • $N = N_0 + N_1$.
  • Incluso en una celda tratada, un evento observado podría haber sido generado por el proceso de control (debido al desbordamiento), y viceversa.
• Asignación de Tratamiento: El tratamiento se asigna a nivel de celda (partición del espacio-tiempo), pero los efectos se propagan a través del proceso.
• Resultados Potenciales: Los resultados potenciales se indexan por la asignación completa de tratamiento ($z \in \{0,1\}^J$), no solo por el estado de una celda individual, debido a la interdependencia global.
• Estimandos Causales: Se definen funcionalidades como el Efecto Individual del Tratamiento (ITE), el Efecto Promedio Individual (AITE) y contrastes de conteo total bajo diferentes regímenes de intervención.

B. Identificación

Para identificar los efectos causales, el artículo establece tres supuestos clave adaptados al contexto de interferencia:

1. Consistencia: El proceso observado bajo una asignación real coincide con el proceso potencial correspondiente.
2. Intercambiabilidad Condicional: Dado el historial pre-tratamiento y covariables exógenas, la asignación de tratamiento no contiene información adicional sobre los procesos potenciales.
3. Positividad: Todas las asignaciones de interés tienen probabilidad positiva de ocurrir.

• Extrapolación Fuera de Soporte: Para contrastes que involucran regímenes no observados (ej. "todo tratado" vs. "ninguno tratado"), se asume un modelo estructural paramétrico común (estable en el régimen) que permite la extrapolación.

C. Estimación: Algoritmo SEM (Stochastic Expectation-Maximization)

Dado que las etiquetas de los eventos (si provienen de $N_0$ o $N_1$) son latentes, se utiliza un enfoque de máxima verosimilitud:

• Desafío Computacional: La verosimilitud marginal requiere sumar sobre $2^{N(D)}$ posibles etiquetados, lo cual es intratable bajo dependencia histórica (ej. procesos de Hawkes).
• Solución: Se propone un algoritmo SEM (Expectation-Maximización Estocástica).
  • Paso E (Estimación): Muestrea etiquetas latentes utilizando una distribución propuesta guiada por la discrepancia entre los conteos observados y los predichos por el modelo actual.
  • Paso M (Maximización): Maximiza la log-verosimilitud completa con respecto a los parámetros del modelo (intensidades) dados los muestreos de etiquetas.
• Análisis Teórico: Para estudiar la viabilidad, los autores analizan un sustituto determinista idealizado: un algoritmo Hard-EM por bloques predecibles.

3. Contribuciones Clave y Resultados Teóricos

A. Teoría de Muestra Finita y Contracción

El artículo proporciona una teoría rigurosa de muestra finita para el estimador:

• Contracción al Suelo Estadístico: Demuestran que el error de estimación (tanto en etiquetas como en parámetros) se contrae geométricamente hasta un "suelo" estadístico.
• Naturaleza del Suelo: Este suelo no es un artefacto de optimización, sino una limitación inherente determinada por:
  1. Regiones ambiguas: Eventos donde la intensidad de control y tratamiento son difíciles de distinguir (baja señal).
  2. Fluctuaciones estocásticas: Ruido en los conteos de eventos.
• Condiciones de Consistencia: Se identifican condiciones de "array" (triangular) bajo las cuales el suelo estadístico tiende a cero, garantizando la consistencia del estimador. Esto requiere que la masa de la banda ambigua sea pequeña y que la alineación de puntuaciones sea adecuada.

B. Transferencia a Estimandos Causales

Se demuestra que el error en la estimación de los parámetros del modelo se transfiere linealmente a los estimandos causales (ITE, AITE, etc.) mediante el método de plug-in.

• Se establecen garantías para contrastes de celdas individuales y globales.
• Se aclara que los contrastes totales no normalizados en ventanas crecientes requieren condiciones adicionales de tasa de escala.

C. Aplicaciones y Validación

• Simulaciones: En procesos de Hawkes espacio-temporales, el método SEM reduce significativamente el sesgo en comparación con métodos ingenuos (que asumen que la etiqueta de un evento es igual al estado de tratamiento de su celda). El método ingenuo subestima el efecto del tratamiento debido al desbordamiento.
• Estudio de Caso (Sismicidad en Oklahoma):
  • Contexto: Evaluación del efecto causal de una directiva de la Comisión Corporativa de Oklahoma (OCC) para reducir la inyección de aguas residuales en pozos de disposición.
  • Hallazgo: Un ajuste ingenuo sugería que la política previno cientos de sismos. Sin embargo, el modelo SEM, al relabelizar correctamente los eventos considerando el desbordamiento y el arrastre temporal, sugirió que no hubo ahorro significativo de sismos a corto plazo (incluso un resultado negativo, indicando que la política podría no haber tenido el efecto deseado inmediato o que el modelo ingenuo estaba sobre-ajustando).
  • Implicación: Ignorar la dependencia espacial y temporal puede distorsionar drásticamente las evaluaciones de políticas públicas a corto plazo.

4. Significado e Impacto

1. Avance Metodológico: Es uno de los primeros marcos que realiza inferencia causal rigurosa en procesos puntuales espacio-temporales continuos sin recurrir a la agregación grosera de datos, preservando la información exacta de tiempo y espacio.
2. Manejo de Interferencia: Proporciona una solución teórica y práctica al problema de la interferencia (desbordamiento) en datos de procesos puntuales, un área donde los métodos estándar de causalidad fallan.
3. Aplicabilidad Práctica: El enfoque es aplicable a dominios críticos como la epidemiología (propagación de enfermedades), sismología (réplicas de terremotos) y finanzas (fluctuaciones de mercado), donde los eventos son inherentemente dependientes.
4. Rigor Teórico: La demostración de la contracción del error y las condiciones para la consistencia en modelos con memoria histórica (como Hawkes) aporta una base sólida para el uso de algoritmos EM estocásticos en contextos de inferencia causal compleja.

En resumen, el artículo establece un nuevo estándar para la evaluación causal de intervenciones en sistemas dinámicos espacio-temporales, demostrando que es posible obtener estimaciones precisas y consistentes incluso cuando los efectos de un tratamiento se propagan y entrelazan a través del espacio y el tiempo.