Resumen Técnico: Modelos de Fundación para la Identificación Parcial Causal

Declaración del Problema

La inferencia causal a menudo enfrenta el desafío de la identificabilidad: la consulta causal de interés (por ejemplo, una probabilidad contrafactual o un efecto intervencional) puede no ser computable de forma única a partir de datos observacionales, incluso en el límite de muestras grandes, particularmente en presencia de confusión no observada. En tales casos, el objetivo cambia de la estimación puntual a la identificación parcial, donde el objetivo es determinar los límites más estrechos posibles (el "conjunto identificado") que contienen todos los valores consistentes con los datos observados y los supuestos estructurales.

Los métodos existentes para la identificación parcial están altamente fragmentados. Históricamente, derivar límites para una estructura causal, consulta y tipo de conjunto de datos específicos requiere derivaciones personalizadas y ejecuciones de optimización separadas. Si bien los Modelos de Fundación Causal (CFM, por sus siglas en inglés) recientes han aprendido con éxito distribuciones sobre cantidades causales utilizando Redes Ajustadas a Datos Previos (PFN), han operado mayoritariamente en regímenes de identificación puntual. Al aplicarse a entornos de identificación parcial, los enfoques existentes suelen fallar al no proporcionar límites fundamentados porque sus distribuciones a priori no garantizan un soporte completo sobre todos los Modelos Causales Estructurales (SCM) consistentes con los datos, excluyendo potencialmente valores contrafactuales válidos.

Metodología

El artículo propone un modelo de fundación universal para la identificación parcial que genera una distribución a posteriori sobre una consulta causal, donde el soporte de esta distribución codifica de manera demostrable el conjunto identificado. La metodología se basa en tres pilares:

1. Priores Canónicos con Soporte Completo

Para asegurar que el modelo considere todos los SCM compatibles con los datos, los autores definen un prior canónico ($\Pi_0$) sobre el espacio de los SCM con observables discretos.

• SCM Canónicos: Aprovechando el resultado de que cualquier SCM con observables discretos puede representarse equivalentemente por un SCM canónico parametrizado por funciones de masa de probabilidad categórica sobre variables exógenas (Zhang et al., 2022), los autores definen un espacio de parámetros que es representación-completo.
• Construcción del Prior: El prior $\Pi_0$ se define sobre el espacio conjunto de diagramas causales ($G$) y parámetros canónicos ($\theta$).
  • La estructura del grafo $G$ se muestrea de un modelo de Erdős-Rényi (probabilidades de borde de Bernoulli).
  • Los parámetros exógenos $\theta$ se muestrean de distribuciones Dirichlet.
• Propiedad de Soporte Completo: Un resultado teórico clave (Proposición 1) demuestra que este prior canónico tiene soporte completo sobre el espacio de todos los SCM ($\mathcal{M}$). Esto asegura que ningún SCM consistente con la distribución observada sea asignado con probabilidad cero a priori, un requisito crítico para derivar límites válidos en la identificación parcial.

2. Redes Ajustadas a Datos Previos (PFNs)

Los autores emplean una Red Ajustada a Datos Previos para aproximar la distribución a posteriori directamente a partir de datos sintéticos.

• Arquitectura: Se utiliza una arquitectura basada en transformadores (transformer), que presenta incrustaciones de entrada que preservan los valores de las variables, los tipos (intervención vs. observación) y las correlaciones. El modelo utiliza mecanismos de atención alternados por muestra y por característica.
• Régimen de Entrenamiento: El modelo se entrena en pares sintéticos de $(D_n, \Psi)$.
  • $D_n$: Conjuntos de datos observacionales muestreados de SCMs extraídos del prior canónico $\Pi_0$.
  • $\Psi$: Consultas contrafactuales de verdad de campo computadas a partir del SCM generador.
• Objetivo: La red aprende a predecir una distribución discreta (segmentada en intervalos sobre $[0, 1]$) para la consulta $\Psi$ dado el conjunto de datos $D_n$, amortizando efectivamente la inferencia del soporte de la a posteriori.

3. Manejo de Supuestos Estructurales

El marco es extensible a entornos con conocimiento parcial o total del diagrama causal. Al entrenar la PFN en tuplas $(G, D_n, \Psi)$, el modelo puede condicionarse a estructuras causales específicas o clases de equivalencia, aprovechando el conocimiento cualitativo para estrechar los límites.

Contribuciones Clave

1. Definición de Prior Canónico: La definición de un prior canónico con soporte completo sobre SCMs con observables discretos. Esto permite la derivación de límites que están garantizados de ser válidos y asintóticamente estrechos.
2. Solucionador Universal para Identificación Parcial: El desarrollo de un modelo de fundación que, dado un conjunto de datos observacionales, genera una distribución a posteriori cuyo soporte captura el conjunto identificado completo. Esto contrasta con los métodos previos que requieren derivaciones específicas para cada problema.
3. Garantías Teóricas:
   • Consistencia (Teorema 1): A medida que el tamaño del conjunto de datos $n \to \infty$, la distribución predictiva de la PFN converge débilmente a la prior condicional $\Pi_0(\Psi | P_M)$, que corresponde a la exacta a posteriori bayesiana sobre el conjunto identificado.
   • Cobertura Frecuentista (Teorema 2): Los conjuntos creíbles bayesianos derivados de la PFN logran una cobertura frecuentista asintótica para el conjunto identificado.
   • Universalidad (Corolario 1): El intervalo creíble bayesiano al 100% inducido por el modelo converge asintóticamente al verdadero conjunto identificado.

Resultados

Los autores evalúan el Modelo de Fundación Causal (CFM) propuesto en sistemas binarios de dos variables donde se conocen los límites analíticos (por ejemplo, límites de Manski, límites de Tian & Pearl).

• Precisión: Las distribuciones a posteriori predichas se concentran en los conjuntos identificados derivados analíticamente.
• Cobertura: En experimentos con tamaños de contexto variables ($n$), el CFM logra tasas de cobertura cercanas a 1.00 (por ejemplo, 0.99–1.00), comparables o superiores al rendimiento de un muestreador de Gibbs (Zhang et al., 2022) adaptado para esta tarea.
• Eficiencia: El CFM demuestra una reducción significativa en el tiempo de inferencia en comparación con el muestreador de Gibbs. Por ejemplo, con $n=400$, el tiempo de inferencia del CFM es de ~25ms, mientras que el muestreador de Gibbs toma ~1521ms.
• Extensión: Experimentos adicionales en un grafo de variable instrumental de tres variables confirman la capacidad del modelo para manejar estructuras más complejas manteniendo una alta cobertura y anchos de intervalo estrechos.

Significado y Reivindicaciones

El artículo afirma extender el paradigma de los modelos de fundación causal a la estimación de efectos causales parcialmente identificables. Al traducir el problema de acotar contrafactuales en el aprendizaje de distribuciones sobre funciones que mapean datos a consultas causales, los autores permiten que un solo modelo maneje amplias clases de consultas, conjuntos de datos y supuestos estructurales sin derivar límites específicos para cada instancia.

La importancia radica en la amortización de la identificación parcial. En lugar de resolver un nuevo problema de optimización para cada nuevo conjunto de datos y consulta, el método propuesto aprende un solucionador universal que proporciona límites válidos y estrechos asintóticamente. El uso de un prior canónico con soporte completo se presenta como el mecanismo crucial que distingue este enfoque de los modelos de fundación anteriores, asegurando que los límites resultantes no solo estén impulsados por los datos, sino que también estén teóricamente fundamentados en el espacio de todos los posibles mecanismos causales consistentes con las observaciones.