Riassunto Tecnico: Causal Data Fusion for Panel Data without a Pre-Intervention Period

1. Il Problema: L'assenza di dati pre-intervento

I metodi tradizionali di inferenza causale per dati panel, come il Difference-in-Differences (DiD) e il Synthetic Control Method (SCM), si basano sulla disponibilità di dati storici del gruppo target registrati prima dell'intervento. Questi dati sono fondamentali per stimare il "controfattuale" (ovvero cosa sarebbe successo alla unità target se l'intervento non fosse avvenuto).

Tuttavia, in scenari di emergenza o shock improvvisi (come una crisi sanitaria o un disastro naturale), le autorità possono implementare interventi immediati. In questi casi, non esistono dati registrati per l'unità target nel periodo immediatamente precedente l'azione, rendendo i metodi classici inapplicabili. Il problema risiede quindi nel dover stimare l'effetto causale in presenza di un'unica unità trattata e potenziali variabili confondenti non osservate, senza una linea di base temporale.

2. Metodologia Proposta: Data Fusion

Gli autori introducono un approccio di Data Fusion (fusione di dati). L'idea centrale è utilizzare un dominio di riferimento ausiliario (un secondo set di dati) che sia correlato al dominio target. Questo dominio può riguardare periodi temporali diversi o sottogruppi diversi (es. un'altra etnia o un'altra regione) che condividono caratteristiche strutturali con il target.

Il paper propone due metodi principali:

A. Equi-Confounding Data Fusion (ECDF)

Questo metodo estende il concetto di "controlli negativi". Si basa sull'assunzione di equi-confondimento:

• Equi-confondimento Lineare: Si assume che la differenza tra l'unità target e la media delle unità di controllo nel dominio target sia uguale alla differenza tra l'unità target e la media delle unità di controllo nel dominio di riferimento.
• Equi-confondimento Logaritmico: Una variante per quando la relazione tra i domini è moltiplicativa anziché additiva.
  Il metodo permette di "ancorare" il controfattuale del target ai dati osservati nel dominio di riferimento.

B. Synthetic Control Data Fusion (SCDF)

È un'estensione del metodo Synthetic Control. Invece di pesare le unità di controllo solo per farle corrispondere al target nel dominio target, l'SCDF utilizza un problema di ottimizzazione vincolata.
L'algoritmo cerca un vettore di pesi $w$ che minimizzi l'errore di predizione (NSE - Normalized Squared Error) su tre fronti contemporaneamente:

1. L'esito nel dominio di riferimento ($\bar{F}_1$).
2. Le covariate osservate nel dominio di riferimento ($Z_1$).
3. Le covariate osservate nel dominio target ($X_1$).

Per evitare che l'ottimizzazione privilegi eccessivamente un dominio a scapito dell'altro (causando un overfitting o un cattivo matching), gli autori introducono un vettore di budget $b$ e dei vincoli di tolleranza ($\eta_Z, \eta_X$), garantendo che il matching delle covariate rimanga robusto.

3. Contributi Chiave

• Formalizzazione Teorica: Gli autori derivano i limiti del bias assoluto per entrambi i metodi, dimostrando matematicamente che il bias converge a zero all'aumentare del numero di unità di controllo o dei periodi temporali nel dominio di riferimento (sotto determinate condizioni).
• Nuovo Algoritmo di Matching: L'introduzione di un metodo di ottimizzazione data-driven per il bilanciamento tra domini risolve il problema del mismatch che si verifica quando si tenta di estendere il SCM classico a contesti multi-dominio.
• Gestione dei Fattori Latenti: Il framework è progettato per gestire fattori confondenti non osservati che possono influenzare i due domini in modi diversi.

4. Risultati e Applicazione Pratica

Simulazioni

Le simulazioni mostrano che il metodo SCDF (Synthetic Control) è superiore all'ECDF, specialmente quando le assunzioni di equi-confondimento lineare non sono perfettamente soddisfatte. Il bias del metodo SCDF diminuisce costantemente all'aumentare della dimensione del dominio di riferimento ($T$).

Caso Studio: Vaccinazione COVID-19

Il metodo è stato applicato per valutare l'impatto di un'organizzazione comunitaria (La Colaborativa) sulla velocità di vaccinazione della popolazione ispanica a Chelsea, Massachusetts.

• Sfida: Non esistevano dati sulla vaccinazione ispanica a Chelsea prima dell'inizio della campagna.
• Soluzione: È stata utilizzata la popolazione nera (Black sub-population) nello stesso territorio come dominio di riferimento, poiché condivide barriere sistemiche e determinanti sociali della salute simili.
• Risultato: L'intervento ha portato a un aumento stimato della vaccinazione tra gli ispanici compreso tra il 10.1% e il 13.6% (a seconda del metodo). I test di placebo hanno confermato la significatività statistica dell'effetto.

5. Significato e Implicazioni

Il lavoro è di fondamentale importanza per la politica pubblica e l'epidemiologia. Fornisce uno strumento rigoroso per valutare l'efficacia di interventi d'emergenza in contesti dove i dati sono scarsi o frammentati. La capacità di "trasferire" informazioni da un gruppo di controllo correlato a un gruppo target senza dati storici apre nuove possibilità per l'inferenza causale in situazioni di crisi globale.