Resumen Técnico: Inferencia Causal en Entornos Secuenciales bajo Interferencia y Confusión Latente

Planteamiento del Problema

Este trabajo aborda el desafío de la inferencia causal en entornos observacionales secuenciales donde el Supuesto de Valor de la Unidad de Tratamiento Estable (SUTVA) se viola debido a la interferencia de resultados y la presencia de confusión latente.

En muchos escenarios del mundo real, como la propagación de enfermedades infecciosas o la adopción de vacunas, el resultado de una unidad (por ejemplo, un individuo o un condado) depende no solo de su propio tratamiento y características, sino también de los resultados, tratamientos y características de otras unidades de la población. Además, estas relaciones suelen observarse a lo largo del tiempo, lo que introduce dependencias temporales. La literatura existente suele tratar la interferencia o los entornos secuenciales por separado, o asume que los confusores son observados. Este artículo aborda el complejo escenario donde:

1. Interferencia: Los resultados son interdependientes entre las unidades (dependencia espacial).
2. Secuencialidad: Los resultados evolucionan a través de pasos temporales con dependencias entre pasos adyacentes.
3. Confusión Latente: Variables no observadas influyen tanto en los tratamientos como en los resultados, modeladas con una estructura de bajo rango similar a los modelos de factores de datos de panel.
4. Escasez de Datos: Los datos disponibles consisten en una única muestra (una realización) de esta distribución conjunta de alta dimensión de $N$ unidades a lo largo de $T$ pasos de tiempo.

El objetivo es estimar cantidades causales de interés, específicamente el Efecto de Tratamiento Generalizado (GTE), que compara los promedios de los resultados bajo dos patrones de intervención arbitrarios, a pesar de tener solo una trayectoria observada.

Metodología

Formulación del Modelo

Los autores modelan el sistema como un proceso Markoviano sobre $T$ pasos de tiempo para $N$ unidades. El resultado binario $x_i^{(t)} \in \{-1, 1\}$ para la unidad $i$ en el tiempo $t$ está gobernado por un modelo de Ising condicionado al resultado del paso de tiempo anterior, las intervenciones actuales y los confusores latentes.

La distribución de probabilidad se define como:
$$p(x | z) = \prod_{t=1}^T p(x^{(t)} | z^{(t)}, x^{(t-1)})$$
donde la probabilidad condicional es proporcional a:
$$\exp\left( \sum_{i=1}^N \alpha_i^{(t)} x_i^{(t)} + \beta \sum_{i=1}^N x_i^{(t)} z_i^{(t)} + \xi \sum_{i \neq j} \gamma_{ij} x_i^{(t)} x_j^{(t)} + \eta \sum_{i=1}^N x_i^{(t)} x_i^{(t-1)} \right)$$

Los parámetros clave incluyen:

• $\alpha_i^{(t)}$: Confusores latentes (campo externo).
• $\beta$: Efecto directo del tratamiento.
• $\xi$: Fuerza de la interferencia espacial (matriz de interacción $\Gamma$).
• $\eta$: Fuerza de la dependencia temporal.

Supuestos Clave:

1. Estructura Latente de Bajo Rango: La matriz de confusores latentes $A = \{\alpha_i^{(t)}\}$ tiene un rango $k \ll N, T$, expresable como $A = UV^\top$.
2. Interacción Acotada: La fuerza de interacción satisface la condición de unicidad de Dobrushin ($\|\xi^* \Gamma\|_\infty < 1$), lo que asegura la decaimiento de la correlación y una inferencia eficiente.
3. Excitabilidad de las Intervenciones: La matriz de intervención $Z$ no es perfectamente colineal con los confusores latentes, asegurando la identificabilidad del efecto del tratamiento $\beta$.

Algoritmo de Aprendizaje: MPLE Secuencial

Para aprender los parámetros $\theta = (A, \beta, \xi, \eta)$ a partir de una sola muestra, los autores proponen un enfoque de Estimación de Máxima Pseudo-Verosimilitud (MPLE) Secuencial.

• Objetivo: Minimizar la pseudo-verosimilitud negativa:
  $$\hat{\theta} \in \arg\min_{\theta \in \Theta} -\sum_{t=1}^T \sum_{i=1}^N \log p_\theta(x_i^{(t)} | x_{-i}^{(t)}, z_i^{(t)}, x_i^{(t-1)})$$
• Optimización: El objetivo es convexo en $\theta$ si $A$ fuera fijo, pero la restricción de bajo rango en $A$ hace que el problema sea no convexo. Los autores parametrizan $A = UV^\top$ y utilizan minimización alternante (fijando $U$ para actualizar $V$, y viceversa) con regularización.
• Inferencia: Una vez estimados los parámetros, las cantidades causales (GTE) se estiman mediante el muestreo del modelo aprendido utilizando Muestreo de Gibbs Secuencial. Debido a la condición de Dobrushin, el muestreador converge rápidamente, permitiendo un cómputo eficiente de las expectativas contrafácticas.

Contribuciones Clave

1. Modelo Unificado: El artículo introduce un modelo que captura simultáneamente la dinámica secuencial, la interferencia de red (interferencia de resultados) y la confusión latente de bajo rango.
2. Estimación Computacionalmente Eficiente: Proporciona un método computacionalmente tratable (MPLE Secuencial) para aprender parámetros de modelos de alta dimensión a partir de una única observación de la distribución conjunta.
3. Garantías No Asintóticas:
   • Estimación de Parámetros: El Teorema 1 establece la consistencia no asintótica para la estimación de parámetros, estableciendo que el error escala como $O\left(\frac{k(N+T)\log T}{T\|\Gamma\|_F^2}\right)$, mostrando que el tamaño de la muestra efectiva está impulsado por la fuerza de la interacción y el número de pasos de tiempo.
   • Estimación Causal: El Teorema 2 y el Corolario 2 muestran que el error en la estimación del Efecto de Tratamiento Generalizado (GTE) está acotado por el error de estimación de parámetros. Esto se basa en las propiedades de decaimiento de la correlación bajo la condición de Dobrushin, asegurando que los errores de estimación locales no se propaguen espacial o temporalmente para corromper la estimación causal global.
4. Validación Empírica: El método se valida con datos sintéticos y un estudio de caso del mundo real que involucra las tasas de vacunación y de mortalidad por COVID-19 en los condados de EE. UU.

Resultados

Experimentos Sintéticos

En entornos sintéticos con $N=500$ y $T=50$, el método propuesto ($\hat{\theta}$) supera significativamente a los modelos de referencia que ignoran la interferencia ($\hat{\theta}_{\xi=0}$) o la confusión latente ($\hat{\theta}_{A=0}$).

• Recuperación de Parámetros: El método recupera con precisión el efecto del tratamiento $\beta$, la fuerza de interacción $\xi$ y la fuerza temporal $\eta$.
• Precisión Causal: El GTE estimado mejoró aproximadamente un 92% en error absoluto comparado con la línea base sin interferencia y un 91% comparado con la línea base sin confusión latente.
• Robustez: El método recuperó con éxito los parámetros incluso cuando la condición teórica de Dobrushin se violaba ligeramente ($|\xi^*| + |\eta^*| > 1$), lo que sugiere robustez práctica.

Estudio de Caso del Mundo Real: COVID-19

Los autores aplicaron el modelo a datos a nivel de condado en EE. UU. (marzo 2020 – mayo 2022) para estimar el efecto causal de la vacunación en las tasas de mortalidad.

• Configuración: Los resultados son indicadores binarios de altas tasas de mortalidad; las intervenciones son indicadores binarios de tasas de vacunación superiores al 30%.
• Validación Híbrida: Para abordar posibles violaciones de los supuestos de identificabilidad en los datos reales, se realizaron "experimentos híbridos" donde se utilizó el patrón de intervención real, pero los resultados fueron generados por el modelo. El método identificó con éxito los parámetros en este entorno.
• Recuperación del Conjunto de Prueba: El modelo fue entrenado en un subconjunto de datos y probado en un conjunto de prueba retenido que respeta las dependencias espacio-temporales. El modelo logró un error absoluto bajo (0.015 en el conjunto de prueba), comparable al caso híbrido, demostrando su capacidad de expresión.
• Hallazgos Causales:
  • El modelado de la interferencia produjo un efecto causal de la vacunación estimado mayor en comparación con el modelo sin interferencia.
  • Bajo el contrafáctico de "sin intervenciones", el modelo predijo peores resultados de los observados inicialmente, mientras que el contrafáctico de "todas las intervenciones" predijo mejores resultados, convergiendo a medida que las tasas de vacunación aumentaban.
  • El modelo de interferencia capturó los efectos de "derrame" (spill-over) donde la vacunación en un área beneficia a otras, un matiz que los modelos estándar pasan por alto.

Significación y Reivindicaciones

El artículo afirma ofrecer un marco demostrable para la inferencia causal en un escenario donde coexisten tres grandes complejidades: interferencia de red, dependencias intertemporales y confusión latente.

• Contribución Teórica: Extiende la literatura sobre el aprendizaje de distribuciones de alta dimensión a partir de muestras únicas (previamente limitada a entornos no secuenciales o no confundidos) al caso secuencial con variables latentes. Proporciona las primeras garantías no asintóticas para la estimación causal en este régimen específico y altamente complejo.
• Utilidad Práctica: Al demostrar su eficacia en un problema de salud pública del mundo real (COVID-19), los autores argumentan que su método puede informar las decisiones políticas al proporcionar estimaciones más precisas de los efectos del tratamiento en presencia de interferencia y confusores no observados.
• Limitaciones: Los autores reconocen modestamente que sus garantías teóricas dependen de la condición de unicidad de Dobrushin, que puede no cumplirse en todos los escenarios del mundo real con una fuerte interferencia. Señalan que, aunque su método funcionó bien en los experimentos, comprender el rendimiento en regímenes que violan esta condición sigue siendo un área abierta de investigación.

En resumen, este trabajo cierra la brecha entre la inferencia causal teórica y los datos secuenciales complejos del mundo real, proporcionando un método que es tanto computacionalmente eficiente como teóricamente fundamentado para estimar efectos causales bajo interferencia y confusión latente.