Semiparametric Efficient Test for Interpretable Distributional Treatment Effects

Resumen Técnico: Prueba Semiparamétrica Eficiente para Efectos de Tratamiento Distribucionales Interpretables

Enunciado del Problema
Los efectos promedio del tratamiento (ATE) suelen ser insuficientes para preguntas causales que involucran riesgo, heterogeneidad o resultados estructurados (por ejemplo, imágenes, secuencias). Un tratamiento puede preservar el resultado medio mientras altera significativamente la dispersión, las colas, la multimodalidad o la probabilidad de eventos raros. Aunque las incrustaciones de media de núcleo permiten probar discrepancias distribucionales mediante la Discrepancia de Media Máxima (MMD), las pruebas de núcleo globales carecen de interpretabilidad; un rechazo indica que dos leyes de resultados intervencionistas difieren, pero no revela dónde en el espacio de resultados se manifiesta la diferencia. Además, en entornos observacionales, las pruebas ingenuas de ubicación finita están confundidas porque las muestras observadas de tratamiento y control no revelan directamente los contrastes contrafactuales requeridos para una inferencia válida.

Metodología: DR-ME
Los autores proponen DR-ME (Incrustación de Media Doblemente Robusta), una prueba de ubicación finita semiparamétricamente eficiente para efectos distribucionales causales. El método opera en tres etapas:

1. Testigo Causal de Ubicación Finita:
   En lugar de probar la discrepancia global de RKHS $\Delta = \chi(1) - \chi(0)$, el método proyecta esta discrepancia sobre un conjunto finito de $J$ ubicaciones de resultado $V = (v_1, \dots, v_J)$. El parámetro objetivo es el vector de dimensión finita $\mu_V = (w(v_1), \dots, w(v_J))^\top$, donde $w(y)$ es la función testigo de núcleo que representa la discrepancia entre las leyes intervencionistas en la ubicación $y$.

2. Características Ortogonales Doblemente Robustas:
   Para estimar $\mu_V$ a partir de datos observacionales $Z=(X, A, Y)$ bajo confusión, los autores derivan una característica aumentada de propensión inversa ortogonal. Sea $\pi$ la puntuación de propensión y $r_a$ las regresiones de resultado. La característica específica del brazo es:
   $$\phi_a^V(Z; \eta) = \frac{\mathbb{1}\{A=a\}}{\pi(a|X)}(k_V(Y) - r_a(X; V)) + r_a(X; V)$$
   El contraste doblemente robusto es $z_{dr}^V(Z; \eta) = \phi_1^V - \phi_0^V$. Los autores demuestran que la versión centrada de esta característica, $\psi_V(Z) = z_{dr}^V(Z; \eta_0) - \mu_V$ (donde $\eta_0$ es la molestia verdadera), es el gradiente canónico de $\mu_V$ en el modelo no paramétrico. Esta ortogonalidad garantiza que los errores de estimación en los parámetros de molestia (propensión y regresión) ingresen solo a través de residuos de segundo orden, siempre que se utilice ajuste cruzado o división de muestras.

3. Geometría de Prueba Local Eficiente:
   El estadístico de prueba es una forma cuadrática tipo Hotelling:
   $$\hat{\lambda}_{n,V}^{dr} = n \bar{z}_{n,V}^{dr\top} (S_{n,V}^{dr} + \gamma_n I_J)^{-1} \bar{z}_{n,V}^{dr}$$
   donde $\bar{z}_{n,V}^{dr}$ es la media empírica de las características ajustadas cruzadamente y $S_{n,V}^{dr}$ es la covarianza muestral.

   • Teoría de Potencia Local: Bajo alternativas locales que se aproximan a la nula a una tasa de $n^{-1/2}$, el estadístico converge a una distribución chi-cuadrado no central. El parámetro de no centralidad está determinado por la deriva local blanqueada $\lambda_V(g) = \eta_V(g)^\top \Sigma_V^{-1} \eta_V(g)$, donde $\eta_V(g)$ es la derivada direccional del testigo y $\Sigma_V$ es la covarianza del gradiente canónico.
   • Aprendizaje de Ubicación: Los autores argumentan que la magnitud cruda del testigo no es el objetivo de aprendizaje óptimo. En su lugar, las ubicaciones deben aprenderse maximizando el criterio de potencia local estabilizado por ridge:
     $$P_\tau(V) = \mu_V^\top (\Sigma_V + \tau I_J)^{-1} \mu_V$$
     Este criterio selecciona ubicaciones que maximizan la relación señal-ruido después de tener en cuenta la geometría de covarianza eficiente. Se emplea división de muestras: las molestias se ajustan en $I_\eta$, las ubicaciones se aprenden en $I_{tr}$ y la prueba final se calcula en una división independiente $I_{te}$. Esto garantiza que la teoría de la nula de ubicación fija se aplique post-selección.

Contribuciones Clave

1. Formulación de la Prueba de Ubicación Finita Interpretable: El artículo formula una prueba para efectos de tratamiento distribucionales que evalúa el testigo de RKHS intervencionista en ubicaciones de resultado específicas y aprendidas, proporcionando coordenadas interpretables de discrepancia causal.
2. Derivación del Gradiente Canónico: Los autores derivan el gradiente canónico para la señal de ubicación finita, mostrando que adopta la forma de una característica ortogonal, doblemente robusta. Esto establece el vínculo teórico entre el estimador de datos observados y el experimento límite eficiente.
3. Teoría de Eficiencia Local Semiparamétrica: El artículo caracteriza el límite de prueba local para ubicaciones fijas, demostrando que el estadístico DR-ME alcanza el experimento gaussiano de señal finita eficiente. Esto produce un límite nulo $\chi^2_J$ y un límite de potencia local no central $\chi^2_J$, gobernados por la señal blanqueada por covarianza.
4. Aprendizaje de Ubicación Principiado: Utilizando la geometría de eficiencia derivada, los autores proponen un criterio de aprendizaje de ubicación que maximiza la potencia local blanqueada. Demuestran la consistencia uniforme del criterio empírico bajo división de muestras.

Resultados
Los experimentos en datos sintéticos y semisintéticos (incluyendo imágenes médicas OCTMNIST) demuestran:

• Calibración: Bajo confusión observacional, DR-ME mantiene tasas de error Tipo-I cercanas a las nominales, mientras que los estimadores de inserción ingenuos y las variantes sin división rechazan en exceso.
• Potencia: DR-ME es competitivo con las pruebas de núcleo doblemente robustas globales (por ejemplo, DR-xKTE) en alternativas de desplazamiento de media, pero demuestra potencia superior en alternativas de desplazamiento de varianza y abultamiento localizado. Esto confirma que concentrar la potencia en coordenadas específicas y aprendidas es ventajoso cuando los efectos distribucionales son escasos.
• Interpretabilidad: En el estudio de imágenes médicas semisintético, las ubicaciones aprendidas localizaron con éxito regiones retinianas donde las leyes de imagen intervencionistas diferían en distribución, a pesar de que el tratamiento no tuvo efecto en el residuo medio. Esta localización fue invisible para los contrastes de media.
• Blanqueado de Covarianza: Los estudios de ablación muestran que aprender ubicaciones mediante el criterio blanqueado por covarianza (maximizando la relación señal-ruido) produce una potencia significativamente mayor que maximizar la norma cruda del testigo o utilizar ubicaciones aleatorias, particularmente en espacios de resultados de alta dimensión.

Significado y Afirmaciones
El artículo afirma proporcionar la primera prueba de ubicación finita semiparamétricamente eficiente para efectos de tratamiento distribucionales interpretables. Su significado radica en cerrar la brecha entre la potencia de las pruebas de núcleo globales y la interpretabilidad de los diagnósticos de ubicación finita. Al derivar el gradiente canónico y establecer la geometría de prueba local eficiente, los autores proporcionan un marco principiado para aprender dónde probar en el espacio de resultados. El método es complementario a las pruebas globales: mientras que las pruebas globales ofrecen sensibilidad omníbus, DR-ME apunta a coordenadas de testigo interpretables y localmente eficientes. Los autores señalan que la teoría actual asume tratamientos puntuales bajo confusión observada y que las extensiones a configuraciones longitudinales o de variables instrumentales requerirían nuevos gradientes canónicos. También sugieren que el trabajo futuro podría explorar núcleos profundos o clases de búsqueda estructuradas (por ejemplo, para secuencias de ADN) para mejorar aún más la aplicabilidad del método.