Sintesi Tecnica: Analisi di Mediazione Causale Multiplamente Robusta con Trattamenti Continui

1. Definizione del Problema

L'analisi di mediazione causale mira a scomporre l'effetto totale di un trattamento su un esito in effetti diretti naturali (NDE) ed effetti indiretti naturali (NIE) mediati da una variabile intermedia. Sebbene esistano stimatori multiplamente robusti per trattamenti binari (Tchetgen Tchetgen e Shpitser, 2012), essi non sono facilmente applicabili a trattamenti continui senza forti assunzioni parametriche.

Nei contesti di trattamento continuo, il parametro di interesse, $\psi_0(a, a') = E[Y(a, M(a'))]$, è irregolare nei modelli non parametrici. Mentre per i trattamenti binari la funzione di influenza si basa su funzioni indicatrici, i trattamenti continui richiedono la valutazione puntuale in valori specifici $a$ e $a'$. Ciò porta a una mancanza di una funzione di influenza con varianza finita e impedisce i consueti tassi di convergenza root-$n$. Gli approoli esistenti per la mediazione continua (ad es. Huber et al., 2020) spesso mancano di robustezza multipla o ereditano i lenti tassi di convergenza degli stimatori dei parametri di disturbo (nuisance).

2. Metodologia

Gli autori propongono uno stimatore a smoothing kernel, multiplamente robusto, ispirato alle strategie basate sulla funzione di influenza ma adattato per trattamenti continui.

2.1 Identificazione e Framework

Il metodo si basa sulle standard assunzioni di mediazione causale (Consistenza, Scambiabilità Sequenziale e Positività) e sull'assunzione di scambiabilità "cross-world" necessaria per identificare gli effetti diretti e indiretti naturali. L'estimando target è identificato tramite la formula di mediazione:
$$\psi_0(a, a') = \int \int E[Y|A=a, M=m, X=x] f_{M|A,X}(m|a', x) f_X(x) \, dm \, dx$$

2.2 Costruzione dello Stimatore

L'innovazione principale consiste nel sostituire le funzioni indicatrici della funzione di influenza per trattamenti binari con pesi kernel.

1. Kernel Smoothing: Per i valori di trattamento $a$ e $a'$, gli autori definiscono una funzione kernel $K_h(\cdot)$ con larghezza di banda (bandwidth) $h$. La funzione di influenza efficiente viene modificata includendo termini come $K_h(A-a)$, che smussa la valutazione puntuale su un vicinato di $a$.
2. Funzioni di Disturbo (Nuisance): Lo stimatore utilizza tre funzioni di disturbo:
   • $\gamma(X, M, a) = E[Y | A=a, M, X]$ (Regressione sull'esito)
   • $\alpha(a, M, X) = f_{M|A,X}(M | a, X)$ (Densità del mediatore)
   • $\lambda(a, X) = 1/f_{A|X}(a | X)$ (Densità inversa del trattamento)
   • Nota: Gli autori discutono parametrizzazioni alternative utilizzando rapporti di densità del trattamento per evitare la stima esplicita della densità del mediatore, sebbene la formulazione primaria utilizzi il rapporto di densità.
3. Cross-Fitting: Per mitigare i requisiti di regolarità sulle funzioni di disturbo e consentire tassi di convergenza più lenti, gli autori impiegano una strategia di cross-fitting (Chernozhukov et al., 2018). Il campione viene diviso in fold; le funzioni di disturbo sono stimate su un set di fold e applicate agli altri per calcolare l'equazione di stima.
4. Stimatore Finale: Lo stimatore proposto $\hat{\psi}_{MR}(a, a')$ è la media delle soluzioni fold-specifiche dell'equazione di stima derivata dalla funzione di influenza smussata.

2.3 Regolarità e Convergenza

Il metodo richiede condizioni specifiche sul kernel (Assunzione 2) e sui tassi di convergenza degli stimatori di disturbo (Assunzioni 4 e 5). Crucialmente, il metodo si basa su condizioni di tasso prodotto: il prodotto degli errori di due stimatori di disturbo deve convergere a un tasso più veloce di $(nh^{d_A})^{-1/2}$, dove $d_A$ è la dimensione del trattamento. Ciò consente a uno stimatore di disturbo di convergere lentamente se l'altro converge sufficientemente velocemente, preservando la proprietà di "multipla robustezza".

3. Contributi Chiave

• Estensione ai Trattamenti Continui: Il lavoro estende il framework di mediazione basato sulla funzione di influenza dai trattamenti binari a quelli continui, affrontando l'irregolarità dei funzionali puntuali.
• Multipla Robustezza: Lo stimatore proposto mantiene la proprietà di multipla robustezza: rimane consistente se almeno due dei tre modelli di disturbo (esito, densità del mediatore, densità del trattamento) sono correttamente specificati.
• Tassi di Disturbo più Lenti: Utilizzando il cross-fitting e il kernel smoothing, il metodo consente di stimare i parametri di disturbo a tassi più lenti rispetto al parametro target, accogliendo stimatori di machine learning flessibili.
• Asintotica Normale: Gli autori stabiliscono che lo stimatore è asintoticamente normale con un tasso di convergenza di $(nh^{d_A})^{-1/2}$, che è più lento del consueto tasso root-$n$ a causa della natura locale del kernel smoothing.
• Implementazione Pratica: Il documento fornisce un framework per costruire intervalli di confidenza, gestire il bias tramite undersmoothing o analisi di sensibilità, e stabilizzare i pesi utilizzando stimatori di tipo Hájek e il clipping.

4. Risultati

4.1 Studio di Simulazione

• Consistenza e Robustezza: Le simulazioni con campioni di dimensioni $n=2000, 5000, 8000$ dimostrano che lo stimatore è consistente e presenta un bias minimo quando almeno due modelli di disturbo sono correttamente specificati.
• Confronto: Il metodo proposto ($\hat{\psi}_{MR}$) supera uno stimatore pesato tramite punteggio di propensione generalizzato ($\hat{\psi}_H$) e uno stimatore basato solo sulla regressione ($\hat{\psi}_\eta$) in scenari di misspecificazione del modello, mostrando in particolare un bias e un RMSE inferiori quando il modello di esito è errato.
• Sensibilità: Le prestazioni dello stimatore degradano nelle regioni di scarso overlap del trattamento (code della distribuzione), come previsto per i metodi basati su kernel. Le probabilità di copertura si mantengono vicine al 95% quando si utilizzano bandwidth undersmoothed, sebbene il bias aumenti con bandwidth più grandi.

4.2 Applicazione: Studio Job Corps

Il metodo è stato applicato per studiare l'effetto della durata della formazione Job Corps (trattamento continuo) sugli arresti criminali (esito), mediato dalle settimane di occupazione.

• Risultati: L'analisi suggerisce che una formazione più lunga riduce gli arresti criminali.
  • Sotto modelli di disturbo parametrici (M1), c'è evidenza di un effetto indiretto naturale negativo (attraverso l'occupazione) e di un effetto diretto naturale negativo.
  • Sotto modelli di disturbo flessibili basati su RKHS (M2), il segnale dell'effetto indiretto è attenuato (più vicino allo zero), mentre l'effetto diretto rimane negativo ma con intervalli di confidenza più ampi.
• Sensibilità: I risultati sono stati generalmente robusti alle variazioni di bandwidth e di soglie di clipping dei pesi, sebbene l'entità degli effetti sia variata. L'analisi ha evidenziato l'importanza di controllare l'overlap e le dimensioni effettive del campione nei contesti di trattamento continuo.

5. Significato e Rivendicazioni

Il paper sostiene di fornire un framework rigoroso per l'analisi di mediazione causale in contesti in cui i trattamenti sono continui, uno scenario comune negli studi su dosaggio, durata e intensità.

• Contributo Teorico: Affronta la sfida teorica dei funzionali irregolari nei modelli non parametrici con trattamento continuo introducendo una funzione di influenza con smoothing kernel che raggiunge l'asintotica normalità e la multipla robustezza.
• Utilità Pratica: Il metodo permette ai ricercatori di stimare superfici di mediazione senza dipendere da forti assunzioni parametriche sulla curva dose-risposta, pur accogliando funzioni di disturbo complesse tramite machine learning.
• Limitazioni Riconosciute: Gli autori notano con modestia che il metodo è soggetto alla "maledizione della dimensionalità" riguardo alla variabile di trattamento; è più pratico per trattamenti continui scalari o a bassa dimensionalità. Sottolineano inoltre che, sebbene il cross-fitting gestisca l'errore di stima del disturbo, non risolve la fondamentale mancanza di supporto dei dati nelle regioni a bassa densità della distribuzione del trattamento, rendendo necessari controlli diagnostici e analisi di sensibilità.

Il lavoro non pretende di risolvere tutte le sfide della mediazione continua (ad es. mediatori ad alta dimensionalità o la stima di curve completamente adattive senza griglie pre-specificate sono lasciate a lavori futuri), ma stabilisce un approccio fondamentale e multiplamente robusto per la stima puntuale.