Resumen Técnico: DARTS – Dirigir Covariables Pronósticas en Experimentos Secuenciales con Presupuesto Limitado

1. Formulación del Problema

El artículo aborda una limitación crítica en el diseño de Ensayos Controlados Aleatorizados (ECA): la suposición de que se conocen y están disponibles, sin costo, covariables pretratamiento de alta calidad y alta dimensión. En la práctica, la adquisición de dichos datos suele ser costosa debido a diagnósticos médicos, fatiga en encuestas o sobrecarga computacional. Esto genera una compensación entre la precisión adaptativa a las covariables (que reduce la varianza del efecto del tratamiento) y un presupuesto estricto de medición.

Además, la eficacia de los métodos adaptativos a las covariables (como la rerandomización) disminuye cuando el número de factores pronósticos es grande en relación con el tamaño de la muestra, haciendo matemáticamente improbable el equilibrio simultáneo en todas las dimensiones. Si bien la literatura existente proporciona marcos para equilibrar conjuntos pronósticos conocidos, muchos escenarios involucran factores pronósticos desconocidos. Los autores proponen un entorno secuencial donde los datos llegan en lotes (por ejemplo, inscripción continua), permitiendo que el experimentador aprenda iterativamente qué variables son más pronósticas mientras se adhiere a un presupuesto global $B$ a lo largo de $T$ lotes.

2. Metodología: DARTS

Los autores introducen la Rerandomización Adaptativa Dinámica mediante Muestreo de Thompson (DARTS), un marco que trata la adquisición de covariables como un problema de optimización secuencial incrustado dentro de un diseño válido de inferencia causal. El método opera en tres capas interconectadas:

A. La Capa de Adquisición (Banda Combinatoria Semi)

La selección de covariables se formula como un problema de Banda Combinatoria Multi-Brazo con Presupuesto (CBwK) con restricciones de mochila.

• Brazos: Cada covariable candidata $j \in [p]$ es un brazo con una importancia pronóstica desconocida $\theta^*_j$ y un costo de medición $c_j$.
• Objetivo: Maximizar la "recompensa" esperada total (valor pronóstico) sujeto al presupuesto global $B$.
• Algoritmo: Los autores adaptan el Muestreo de Thompson a este entorno (CBwK-LP-TS).
  • Mantienen posteriores Beta independientes para las probabilidades de recompensa de cada covariable.
  • En cada ronda $t$, muestrean de estas posteriores y resuelven una relajación de programación lineal (LP) del problema de selección entera para elegir un subconjunto de covariables $S_t$ que maximice la relación "beneficio por costo" (recompensa muestreada dividida por el costo efectivo).
  • Precios Ficticios: Para hacer cumplir la restricción presupuestaria, el algoritmo utiliza actualizaciones multiplicativas de pesos sobre precios ficticios (variables duales) asociadas al presupuesto y a las restricciones individuales de los brazos. Esto previene el agotamiento temprano del presupuesto en brazos ruidosos y de alto costo.
• Proxy de Recompensa: Dado que la importancia pronóstica verdadera es desconocida, la recompensa se estima utilizando recompensas fraccionales derivadas de los coeficientes de regresión LASSO únicamente en unidades de control ($r_j(t) = |\hat{\lambda}_j| / \max |\hat{\lambda}_k|$). Esto evita la contaminación del efecto del tratamiento y aprovecha la dispersión en entornos de alta dimensión.

B. La Capa de Diseño (Rerandomización)

Una vez seleccionado el subconjunto $S_t$ para el lote $t$:

1. Las covariables seleccionadas se miden para todas las $n$ unidades del lote.
2. Rerandomización: El algoritmo genera $K$ asignaciones de tratamiento candidatas y selecciona la que minimiza la distancia de Mahalanobis entre los grupos de tratamiento y control basándose en $S_t$.
3. Simetría de Espejo: Para preservar el equilibrio marginal exacto, la asignación final se elige mediante un lanzamiento de moneda justo entre la asignación óptima $z^*$ y su complemento $1-z^*$.

C. La Capa de Estimación

1. Estimación Dentro del Lote: El Efecto Promedio del Tratamiento (EPT) para el lote $t$ se estima utilizando MCO ajustado por Lin (ajuste de regresión) sobre las covariables seleccionadas, con estimaciones de varianza robustas a la heterocedasticidad HC2.
2. Estimación Acumulada: Las estimaciones de los lotes se combinan utilizando un metaanálisis de varianza inversa ponderado por precisión. El estimador acumulativo $\hat{\mu}_t$ se actualiza secuencialmente, ponderando cada lote por su precisión estimada ($1/\hat{v}_t$).

3. Contribuciones Teóricas Clave

El artículo establece tres resultados teóricos principales:

1. Insesgamiento Basado en el Diseño (Teorema 1): Los autores demuestran que la selección adaptativa de covariables basada en lotes pasados no sesga el estimador de diferencias de medias a nivel de lote. Dado que el conjunto de covariables $S_t$ se determina por el campo $\sigma$ de lotes anteriores ($F_{t-1}$) y se fija antes de la aleatorización del lote actual, la esperanza condicional del estimador permanece siendo el verdadero EPT $\tau$.
2. Validez Asintótica (Teorema 2): El estimador acumulativo ponderado por varianza inversa logra al menos una cobertura asintótica nominal. Bajo condiciones de regularidad (incluyendo que ningún lote individual domine la varianza y que la rerandomización no infle la varianza), el estimador converge a una distribución normal con cobertura conservadora.
3. Límites de Arrepentimiento (Teoremas 3 y 4):
   • Límite Superior: Derivan un límite de riesgo bayesiano para la capa de adquisición (CBwK-LP-TS) que escala como $O(\sqrt{p \log(pT) \cdot \min(KT, B/c_{min})})$.
   • Límite Inferior: Establecen un límite inferior minimax para el problema de banda semi-combinatoria que coincide con el límite superior hasta factores logarítmicos, demostrando la cercanía a la optimalidad de la tasa de aprendizaje.
   • Recompensas Fraccionales: Extienden la teoría al esquema práctico de recompensas fraccionales, mostrando que el algoritmo mantiene un riesgo bayesiano sublineal si el error de aproximación del pseudo-posterior es pequeño.

4. Resultados Empíricos

Los autores evalúan DARTS mediante simulaciones extensas a través de diversos Procesos Generadores de Datos (PGD), incluidos modelos lineales y el PGD no lineal y correlacionado de Liang.

• Capacidad de Aprendizaje: DARTS concentra exitosamente el presupuesto en las covariables pronósticas verdaderas. En entornos manejables (por ejemplo, $p=100, n=1000$), las probabilidades de inclusión posterior para las covariables de señal son significativamente más altas que para las covariables de ruido.
• Ganancias de Precisión: DARTS reduce sistemáticamente el error estándar del estimador del EPT en comparación con:
  • DiM: Aleatorización completa sin ajuste.
  • Random: Rerandomización con un subconjunto de covariables seleccionado aleatoriamente (sin aprendizaje).
  • ARMM/MADCovar: Métodos existentes de aleatorización adaptativa que utilizan conjuntos de covariables preseleccionados.
  • En varios escenarios, DARTS logra una eficiencia relativa (ER) de hasta 3.56 sobre DiM, cerrando significativamente la brecha con el diseño "Oráculo" (que conoce el conjunto pronóstico verdadero a priori).
• Robustez: El método se degrada con elegancia a una línea base completamente aleatorizada cuando el problema de aprendizaje es intratable (por ejemplo, dimensionalidad muy alta en relación con el presupuesto y el horizonte), pero nunca perjudica sustancialmente la precisión en comparación con las líneas base aleatorias.
• Validez: Las tasas de cobertura empíricas se mantienen en o cerca del nivel nominal del 95%, confirmando las garantías de validez teórica.

5. Significado y Afirmaciones

El artículo afirma que DARTS representa una nueva formulación de problema: adquisición adaptativa de covariables como parte del diseño de ECA secuencial bajo un presupuesto de medición.

Su significado principal radica en cerrar la brecha entre la inferencia causal y la toma de decisiones secuenciales (bandas):

• Demuestra que se puede aprender qué covariables medir en tiempo real sin comprometer la validez basada en el diseño de la inferencia causal.
• Proporciona un marco teórico riguroso (desacoplando la selección de la aleatorización) que garantiza que el estimador acumulativo permanezca insesgado y asintóticamente válido a pesar de la naturaleza adaptativa del diseño.
• Ofrece una solución práctica para entornos donde los factores pronósticos son desconocidos y la adquisición de datos es costosa, cerrando sistemáticamente la brecha de eficiencia con los diseños oráculo mientras se mantiene una validez inferencial estricta.

Los autores señalan limitaciones, incluida la dependencia de una suposición de brazos independientes (aunque LASSO mitiga los problemas de correlación) y la restricción actual a la inferencia de horizonte fijo (el "peeking" secuencial invalida la cobertura). Sugieren que trabajos futuros podrían abordar brazos correlacionados e inferencia válida en cualquier momento.