The Spectral Structure of Latent Treatment Effects

Resumen Técnico: La Estructura Espectral de los Efectos de Tratamiento Latentes

Planteamiento del Problema
El artículo aborda el desafío de identificar efectos de tratamiento heterogéneos (HTE, por sus siglas en inglés) en datos observacionales cuando existe confusión no observada. Específicamente, tiene como objetivo la recuperación de la distribución de la Mezcla de Efectos de Tratamiento (MTE) bajo un modelo de confundidor latente discreto. A diferencia de la estimación estándar del Efecto de Tratamiento Promedio (ATE), que agrega efectos, o de la estimación del Efecto de Tratamiento Promedio Condicional (CATE), que condiciona sobre covariables observadas, este problema requiere recuperar la distribución de los resultados potenciales a través de estratos no observados ($U$). El entorno utiliza la inferencia causal proximal, empleando dos variables proxy: un proxy de referencia ($Z$) y un proxy objetivo ($X$), que satisfacen supuestos específicos de independencia condicional respecto al tratamiento ($T$), el resultado ($Y$) y el confundidor latente ($U$).

Un trabajo previo de Mazaheri et al. [2025] estableció la identificabilidad para este régimen utilizando Resultados Potenciales Sintéticos (SPO). Su enfoque construye una secuencia de momentos escalares recursivamente a partir de matrices observables y extrae el soporte del efecto de tratamiento latente mediante un lápiz de Hankel; sin embargo, este método depende de la inversión de matrices de momentos de proxies cuadradas de $k \times k$ en cada paso, lo que lo limita a sistemas de proxies "cuadrados" donde el número de características del proxy es igual a la dimensión latente ($d_x = d_z = k$).

Metodología
Los autores proponen un marco espectral que replantea el problema de identificación de una secuencia de momentos escalares al análisis de un operador observable comprimido fundamental.

1. Factorización y Geometría:
   Bajo los supuestos de la estructura causal de los proxies, las matrices de momentos cruzados observables ($M_{ZX|t}$ y $M_{ZXY|t}$) se factorizan en parámetros latentes no observables. El artículo demuestra que los espacios de filas de estas matrices observables se alinean con el espacio de características latentes.

   • Dimensionalidad Intrínseca: La dimensión latente $k$ se identifica exactamente mediante el rango de la matriz de momentos cruzados apilada $\begin{bmatrix} M_{ZX|0} \\ M_{ZX|1} \end{bmatrix}$.
   • Positividad: La positividad latente estricta (solapamiento) se caracteriza geométricamente mediante la igualdad de los espacios de filas de las matrices de momentos específicas del tratamiento con el espacio de filas de la matriz de características latentes.

2. El Operador Espectral Comprimido:
   En lugar de la construcción escalar recursiva, el método proyecta los datos sobre el subespacio de señal compartido de dimensión $k$ (los vectores singulares derechos superiores de la matriz de momentos apilada).

   • Operador Ambiente: Se define un operador cociente $Q_t = M_{ZX|t}^\dagger M_{ZXY|t}$ en el espacio de características ambiente. Su restricción al subespacio de señal es similar a la matriz diagonal de los resultados potenciales condicionales $D_{Y|t}$.
   • Operador Comprimido: Al proyectar sobre la base compartida $V_k$, los autores definen un operador comprimido $\tilde{Q}_t \in \mathbb{R}^{k \times k}$.
   • Operador de Diferencia: El objeto central de identificación es el operador de diferencia $\Delta \tilde{Q} = \tilde{Q}_1 - \tilde{Q}_0$. El artículo demuestra que $\Delta \tilde{Q}$ es similar a la matriz diagonal de los efectos de tratamiento latentes $D_\tau = \text{diag}(\tau(1), \dots, \tau(k))$. En consecuencia, los autovalores de $\Delta \tilde{Q}$ son exactamente los efectos de tratamiento latentes.

3. Recuperación de Características y Pesos:

   • Matriz de Características: Los autovectores izquierdos de $\Delta \tilde{Q}$, cuando se "elevan" de nuevo al espacio ambiente y se normalizan por la coordenada de anclaje ($X_1 = 1$), recuperan la matriz de características del proxy objetivo $B$.
   • Proporciones de la Mezcla: Una vez recuperada $B$, las proporciones de la mezcla latente $p$ se identifican mediante la ecuación lineal $E[X] = Bp$.

4. Equivalencia Operador-Momento:
   El artículo establece que la secuencia de momentos escalares utilizada en el trabajo previo de SPO es simplemente un funcional bilineal de las potencias de este único operador comprimido: $m_\ell = a^\top (\Delta \tilde{Q})^\ell c$. Por lo tanto, el operador es el objeto canónico, y la secuencia de momentos es una proyección específica de este.

Contribuciones Clave

• Teorema de Identificación Espectral: Los autores proporcionan un teorema de identificación espectral para MTE latentes que maneja directamente sistemas de proxies sobrecompletos ($d_x, d_z \ge k$). Al comprimir al subespacio de señal antes de la inversión, el método evita el requisito restrictivo de matrices cuadradas del enfoque SPO recursivo.
• Equivalencia Operador-Momento: Demuestran que los momentos escalares recursivos son generados por las potencias de este único operador de diferencia comprimido. Esto unifica las perspectivas basadas en momentos y en operadores, mostrando que el operador es el generador de dimensión finita de toda la jerarquía de momentos sintéticos.
• Caracterización Geométrica: El artículo proporciona caracterizaciones geométricas a nivel de población de la dimensionalidad latente y la positividad estricta, convirtiéndolas en propiedades estructurales de las matrices observables en lugar de supuestos externos.
• Garantías de Muestra Finita: Los autores derivan límites de perturbación de alta probabilidad $O(n^{-1/2})$ para los autovalores recuperados (efectos de tratamiento), los autovectores elevados (filas de características) y los pesos de la mezcla proyectados en el simplex. Estos límites dependen del número de condición de las matrices de la población y la brecha espectral entre los efectos de tratamiento.

Resultados
Las evaluaciones empíricas en datos sintéticos demuestran la superioridad del estimador espectral comprimido sobre la línea base del modelo de cadena de momentos SPO:

• Estabilidad y Precisión: En entornos sobrecompletos ($d = k+3$), el estimador espectral reduce significativamente el error absoluto de la mediana en comparación con la línea base de SPO truncado. Por ejemplo, para $k=3$ y $N=25,000$, el error cayó de $0.445$ (SPO Base) a $0.026$ (Espectral), una mejora de $17.4\times$.
• Convergencia: El estimador espectral exhibe la tasa de convergencia predicha de $O(n^{-1/2})$. En contraste, el estimador SPO base muestra un comportamiento no monotónico y una mayor varianza, atribuido a la inestabilidad de la recuperación de raíces polinómicas a partir de secuencias de momentos perturbadas.
• Manejo de la Sobrecompletitud: El método espectral acomoda naturalmente sistemas de proxies rectangulares mediante la proyección en el subespacio de señal, mientras que el método SPO base requiere una truncación arbitraria de las características, lo que el artículo muestra que conduce a un rendimiento suboptimal incluso cuando se trunca.
• Autovalores Complejos: El artículo señala que, bajo separación espectral, las perturbaciones de muestra finita preservan los autovalores reales. La aparición de pares conjugados complejos sirve como un diagnóstico de tamaño de muestra insuficiente, mal condicionamiento o error de especificación del modelo.

Significado y Afirmaciones
El artículo afirma que la identificación de la mezcla causal latente es fundamentalmente un problema de operador y no un problema de momentos escalares. Al identificar los efectos de tratamiento latentes como los autovalores de un único operador de diferencia comprimido, el método:

1. Replantea el Problema: Expone el objeto de dimensión finita que las secuencias de momentos sondean implícitamente, permitiendo la diagonalización directa en el subespacio de señal compartido de los proxies.
2. Estabiliza la Estimación: Reemplaza las inversiones escalares de alto orden con un análisis espectral de dimensión finita, lo cual es más robusto al ruido, particularmente en regímenes de proxies sobrecompletos.
3. Clarifica la Estructura: Proporciona una visión unificada donde la secuencia de momentos es una traza del operador, y el propio operador determina todo el soporte de la distribución.

Los autores señalan modestamente que, si bien el método maneja proxies sobrecompletos y proporciona fuertes garantías teóricas, trabajos futuros podrían extender la formulación del operador cociente a clases latentes continuas (vía operadores integrales) y utilizar la caracterización de homogeneidad exacta ($\Delta \tilde{Q} = \tau^* I_k$) para pruebas directas de heterogeneidad del efecto de tratamiento.