The Spectral Structure of Latent Treatment Effects

Résumé Technique : La Structure Spectrale des Effets de Traitement Latents

Énoncé du Problème
L'article traite du défi de l'identification des effets de traitement hétérogènes (HTE) dans les données observationnelles en présence de confusionnement inobservé. Plus précisément, il cible la récupération de la distribution de la Mélange d'Effets de Traitement (MTE) sous un modèle de confusionneur latent discret. Contrairement à l'estimation standard de l'Effet de Traitement Moyen (ATE), qui agrège les effets, ou de l'Effet de Traitement Moyen Conditionnel (CATE), qui conditionne sur les covariables observées, ce problème nécessite la récupération de la distribution des résultats potentiels à travers des strates inobservées ($U$). Le cadre utilise l'inférence causale proximale, employant deux variables de proxy : un proxy de référence ($Z$) et un proxy cible ($X$), qui satisfont des hypothèses d'indépendance conditionnelle spécifiques par rapport au traitement ($T$), au résultat ($Y$) et au confusionneur latent ($C$).

Les travaux antérieurs de Mazaheri et al. [2025] ont établi l'identifiabilité pour ce régime en utilisant les Résultats Potentiels Synthétiques (SPO). Leur approche construit une séquence de moments scalaires de manière récursive à partir de matrices observables et extrait le support de l'effet de traitement latent à l'aide d'un ciseau de Hankel. Cependant, cette méthode repose sur l'inversion de matrices de moments de proxy carrées $k \times k$ à chaque étape, ce qui la limite aux systèmes de proxy « carrés » où le nombre de caractéristiques de proxy est égal à la dimension latente ($d_x = d_z = k$).

Méthodologie
Les auteurs proposent un cadre spectral qui reformule le problème d'identification, passant de séquences de moments scalaires à l'analyse d'un opérateur observable compressé fondamental.

1. Factorisation et Géométrie :
   Sous les hypothèses de structure de causalité par proxy, les matrices de moments croisés observables ($M_{ZX|t}$ et $M_{ZXY|t}$) se factorisent en paramètres latents inobservables. L'article démontre que les espaces de lignes de ces matrices observables s'alignent avec l'espace de caractéristiques latent.

   • Dimensionnalité Intrinsèque : La dimension latente $k$ est identifiée exactement par le rang de la matrice de moments croisés empilée $\begin{bmatrix} M_{ZX|0} \\ M_{ZX|1} \end{bmatrix}$.
   • Positivité : La positivité latente stricte (recouvrement) est caractérisée géométriquement par l'égalité des espaces de lignes des matrices de moments spécifiques au traitement avec l'espace de lignes de la matrice de caractéristiques latentes.

2. L'Opérateur Spectral Compressé :
   Au lieu d'une construction scalaire récursive, la méthode projette les données sur le sous-espace de signal partagé de dimension $k$ (les vecteurs singuliers droits de rang $k$ de la matrice de moments empilée).

   • Opérateur Ambiant : Un opérateur quotient $Q_t = M_{ZX|t}^\dagger M_{ZXY|t}$ est défini dans l'espace de caractéristiques ambiant. Sa restriction au sous-espace de signal est similaire à la matrice diagonale des résultats potentiels conditionnels $D_{Y|t}$.
   • Opérateur Compressé : En projetant sur la base partagée $V_k$, les auteurs définissent un opérateur compressé $\tilde{Q}_t \in \mathbb{R}^{k \times k}$.
   • Opérateur de Différence : L'objet d'identification central est l'opérateur de différence $\Delta \tilde{Q} = \tilde{Q}_1 - \tilde{Q}_0$. L'article prouve que $\Delta \tilde{Q}$ est semblable à la matrice diagonale des effets de traitement latents $D_\tau = \text{diag}(\tau(1), \dots, \tau(k))$. Par conséquent, les valeurs propres de $\Delta \tilde{Q}$ sont exactement les effets de traitement latents.

3. Récupération des Caractéristiques et des Poids :

   • Matrice de Caractéristiques : Les vecteurs propres à gauche de $\Delta \tilde{Q}$, lorsqu'ils sont « remontés » vers l'espace ambiant et normalisés par la coordonnée ancre ($X_1 = 1$), permettent de récupérer la matrice de caractéristiques du proxy cible $B$.
   • Proportions de Mélange : Une fois $B$ récupérée, les proportions de mélange latentes $p$ sont identifiées via l'équation linéaire $E[X] = Bp$.

4. Équivalence Opérateur-Moment :
   L'article établit que la séquence de moments scalaires utilisée dans le travail SPO précédent est simplement une fonction bilinéaire des puissances de cet unique opérateur compressé : $m_\ell = a^\top (\Delta \tilde{Q})^\ell c$. Ainsi, l'opérateur est l'objet canonique, et la séquence de moments est une projection spécifique de celui-ci.

Contributions Clés

• Théorème d'Identification Spectrale : Les auteurs fournissent un théorème d'identification spectrale pour les MTE latents qui gère directement les systèmes de proxies surcomplets ($d_x, d_z \ge k$). En compressant vers le sous-espace de signal avant l'inversion, la méthode évite l'exigence restrictive des matrices carrées de l'approche SPO récursive.
• Équivalence Opérateur-Moment : Ils prouvent que les moments scalaires récursifs sont générés par les puissances de cet opérateur de différence compressé. Cela unifie les perspectives basées sur les moments et sur les opérateurs, montrant que l'opérateur est le générateur de dimension finie de toute la hiérarchie des moments synthétiques.
• Caractérisation Géométrique : L'article fournit des caractérisations géométriques au niveau de la population de la dimensionnalité latente et de la positivité stricte, transformant celles-ci en propriétés structurelles des matrices observables plutôt qu'en hypothèses externes.
• Garanties en Échantillon Fini : Les auteurs dérivent des bornes de perturbation de haute probabilité $O(n^{-1/2})$ pour les valeurs propres récupérées (effets de traitement), les vecteurs propres remontés (lignes de caractéristiques) et les poids de mélange projetés sur le simplexe. Ces bornes dépendent du nombre de condition des matrices de population et du gap spectral entre les effets de traitement.

Résultats
Les évaluations empiriques sur des données synthétiques démontrent la supériorité de l'estimateur spectral compressé par rapport à la ligne de base de la chaîne de moments SPO :

• Stabilité et Précision : Dans les contextes surcomplets ($d = k+3$), l'estimateur spectral réduit considérablement l'erreur absolue médiane par rapport à la base SPO tronquée. Par exemple, pour $k=3$ et $N=25\,000$, l'erreur est passée de $0,445$ (SPO de base) à $0,026$ (Spectral), soit une amélioration de $17,4\times$.
• Convergence : L'estimateur spectral présente le taux de convergence prédit de $O(n^{-1/2})$. En revanche, l'estimateur SPO de base montre un comportement non monotone et une variance plus élevée, attribués à l'instabilité de la récupération des racines polynomiales à partir de séquences de moments perturbées.
• Gestion de la Surcomplétude : La méthode spectrale accomode naturellement les systèmes de proxies rectangulaires en projetant sur le sous-espace de signal, alors que la méthode SPO de base nécessite une troncature arbitraire des caractéristiques, ce qui, comme le montre l'article, conduit à des performances sous-optimales même lorsqu'elles sont tronquées.
• Valeurs Propres Complexes : L'article note que sous une séparation spectrale, les perturbations en échantillon fini préservent les valeurs propres réelles. L'émergence de paires conjuguées complexes sert de diagnostic pour un échantillon insuffisant, un mauvais conditionnement ou une erreur de spécification du modèle.

Signification et Revendications
L'article affirme que l'identification du mélange causal latent est fondamentalement un problème d'opérateur plutôt qu'un problème de moment scalaire. En identifiant les effets de traitement latents comme les valeurs propres d'un unique opérateur de différence compressé, la méthode :

1. Recadre le Problème : Elle expose l'objet de dimension finie que les séquences de moments sondent implicitement, permettant une diagonalisation directe sur le sous-espace de signal partagé des proxies.
2. Stabilise l'Estimation : Elle remplace les inversions scalaires d'ordre élevé par une analyse spectrale de dimension finie, ce qui est plus robuste au bruit, particulièrement dans les régimes de proxies surcomplets.
3. Clarifie la Structure : Elle fournit une vue unifiée où la séquence de moments est une trace de l'opérateur, et où l'opérateur lui-même détermine l'intégralité du support de la distribution.

Les auteurs notent modestement que bien que la méthode gère les proxies surcomplets et fournisse de solides garanties théoriques, des travaux futurs pourraient étendre la formulation de l'opérateur quotient aux classes latentes continues (via des opérateurs intégraux) et utiliser la caractérisation d'homogénéité exacte ($\Delta \tilde{Q} = \tau^* I_k$) pour des tests directs d'hétérogénéité de l'effet de traitement.