Partial Identification under Causal Orders by Linear Programming

En el mundo de la causa y el efecto, a menudo nos encontramos haciéndonos preguntas de tipo "¿qué pasaría si?" que van más allá de la simple observación. Queremos saber no solo qué sucedió, sino qué habría pasado si se hubiera tomado una decisión diferente. ¿Salvó un tratamiento específico la vida de un paciente, o se habría recuperado de todos modos? ¿Mejoró un cambio de política una economía, o era la mejora inevitable? Para responder a estas preguntas con certeza, los científicos suelen necesitar un mapa completo de las fuerzas en juego, un diagrama detallado que muestre exactamente cómo cada factor influye en todos los demás. Este mapa se llama grafo causal. Sin él, las respuestas permanecen ocultas en una niebla de posibilidades. Durante décadas, los investigadores han luchado por dar sentido a estos escenarios de "¿qué pasaría si?" cuando el mapa falta o está incompleto, viéndose a menudo obligados a recurrir a conjeturas aproximadas o a admitir que la pregunta no puede responderse en absoluto.

Dos investigadores, Eric Rossetto y Alessandro Antonucci, han desarrollado una nueva forma de navegar esta niebla. Se dieron cuenta de que, incluso sin un mapa completo, la naturaleza misma de una pregunta de "¿qué pasaría si?" contiene su propia lógica interna. Si preguntas cómo el cambiar una cosa afecta a otra, la pregunta en sí implica una secuencia: el cambio debe ocurrir antes del resultado. Al centrarse en este orden inherente, los investigadores crearon un método para calcular el rango más estrecho posible de respuestas para estas preguntas contrafácticas, sin necesidad de asumir un mapa causal específico. Su trabajo transforma un juego de adivinanzas complejo y a menudo imposible en un cálculo estructurado que arroja límites precisos de lo que es posible, basándose únicamente en los datos que tenemos y en la lógica de la pregunta misma.

El núcleo de su descubrimiento reside en reconocer que toda indagación sobre la causa y el efecto conlleva una instrucción oculta sobre el tiempo y la secuencia. Cuando preguntamos si un tratamiento causó un resultado, estamos diciendo implícitamente que el tratamiento ocurrió primero. Los investigadores demostraron que este ordenamiento simple es suficiente para construir un marco matemático que puede probar todas las formas concebibles en que el mundo podría estar organizado, de manera consistente con ese orden. En lugar de intentar adivinar la forma exacta de la red causal, construyeron un sistema que explora todo el paisaje de posibilidades permitido por los datos y la lógica de la pregunta. Demostraron que este sistema puede encontrar los mejores y peores escenarios posibles para cualquier pregunta de este tipo, proporcionando un rango que garantiza contener la respuesta verdadera.

Para lograr esto, el equipo recurrió a una poderosa herramienta matemática conocida como programación lineal, que es esencialmente un método para encontrar el mejor resultado en un sistema con muchas restricciones. Tradujeron el problema de adivinar los efectos causales en un conjunto de reglas que una computadora pudiera resolver. Imagine un vasto espacio de todas las historias posibles sobre cómo funciona el mundo. Algunas historias encajan con los datos que hemos recolectado; otras no. El método de los investigadores filtra este espacio, manteniendo solo las historias que respetan el orden implícito en la pregunta y los datos observados. Dentro de este espacio filtrado, calcularon las probabilidades más bajas y más altas para el evento en cuestión. Demostraron que estos límites calculados no son meras estimaciones aproximadas, sino los límites más ajustados posibles. Probaron que existen modelos reales del mundo que se ajustan a todos los datos y a la lógica de la pregunta, y que producen resultados exactamente en estos límites superiores e inferiores. Esto significa que el rango que proporcionan no es un artefacto de su método, sino un reflejo fiel de lo que es posible dado nuestro conocimiento actual.

El poder de este enfoque se hace evidente al observar preguntas que han desconcertado a expertos anteriormente. Los investigadores probaron su método en varios problemas clásicos de la literatura científica, incluyendo escenarios que involucran tratamientos médicos y políticas sociales. En un caso famoso relacionado con las admisiones universitarias, donde los investigadores han debatido durante mucho tiempo si el género influyó en las tasas de aceptación, el nuevo método proporcionó un rango amplio pero honesto de posibilidades. Los análisis previos que asumían una estructura específica y rígida sobre cómo el género y las elecciones de departamento interactuaban, produjeron un número único y preciso que sugería la ausencia de discriminación. Sin embargo, el método de los investigadores, que se negó a aceptar esas suposiciones estructurales no verificadas, mostró que la respuesta verdadera podía estar en cualquier lugar dentro de un intervalo mucho más amplio. Este rango más amplio no significó que la respuesta fuera desconocida de una manera inútil; más bien, reveló que el número preciso de los estudios anteriores dependía fuertemente de suposiciones que podrían no ser ciertas. Al eliminar esas suposiciones, los investigadores demostraron que la conclusión de "no discriminación" era mucho menos segura de lo que se pensaba anteriormente.

Este trabajo también se extiende a preguntas más complejas que involucran escenarios "anidados", donde un "¿qué pasaría si?" está enterrado dentro de otro. Por ejemplo, preguntar qué sucedería si un paciente tomara un fármaco, pero solo si también hubiera sido asignado a un grupo específico en un ensayo. Estas preguntas por capas son notoriamente difíciles de responder sin un mapa causal completo. Los investigadores demostraron que su método maneja estas capas anidadas con la misma eficacia que las simples. Demostaron que, al descomponer estas consultas complejas en sus componentes lógicos, la misma maquinaria matemática podía encontrar los límites más ajustados. En sus pruebas, encontraron que intentar combinar respuestas separadas y más simples para construir una compleja a menudo conducía a rangos mucho más amplios y menos útiles. Su enfoque directo a la pregunta compleja, sin embargo, produjo resultados significativamente más ajustados e informativos.

Los investigadores fueron cuidadosos al reconocer el compromiso que implica su método. Debido a que no asumen un mapa causal específico, sus rangos calculados son naturalmente más amplios que aquellos derivados de estudios que hacen suposiciones fuertes sobre cómo se conectan las variables. Un estudio que asume un diagrama específico puede producir una respuesta muy estrecha y precisa, pero esa precisión tiene el costo de ser potencialmente errónea si el diagrama asumido es incorrecto. El nuevo método sacrifica esa estrechez en favor de la fiabilidad, asegurando que la respuesta verdadera nunca sea excluida del rango. Probaron que esta fiabilidad no es una debilidad sino una fortaleza, especialmente en campos como la medicina y las ciencias sociales, donde las verdaderas estructuras causales suelen ser desconocidas o debatidas.

En última instancia, esta investigación ofrece una nueva forma de pensar sobre la incertidumbre. Sugiere que no necesitamos saberlo todo sobre el mundo para realizar progresos significativos en la comprensión de la causa y el efecto. Al aprovechar la estructura lógica inherente a nuestras preguntas, podemos extraer la máxima cantidad de información de nuestros datos sin sobrepasar las suposiciones no sustentadas. Los investigadores proporcionaron una herramienta que permite a los científicos decir, con certeza matemática: "La respuesta se encuentra entre X e Y", incluso cuando no pueden decir exactamente dónde. Esta capacidad de definir los límites de lo posible, sin necesidad de un mapa completo del territorio, representa un paso significativo en nuestra capacidad para razonar sobre el pasado y el futuro en un mundo donde el conocimiento completo es raramente disponible.