📊 statistics

Self-separated and self-connected models for mediator and outcome missingness in mediation analysis

Questo articolo affronta le sfide dell'analisi di mediazione con dati mancanti nel mediatore e nella variabile di esito, proponendo modelli "auto-separati" e "auto-connessi" che estendono la teoria delle variabili ombra per garantire l'identificazione anche in presenza di cause non osservate della mancata osservazione.

Autori originali: Trang Quynh Nguyen, Razieh Nabi, Fan Yang, Grace V. Ringlein, Elizabeth A. Stuart

Pubblicato 2026-04-07

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Trang Quynh Nguyen, Razieh Nabi, Fan Yang, Grace V. Ringlein, Elizabeth A. Stuart

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Il Problema: Il "Gioco delle Carte Nascoste"

Immagina di voler capire come un allenatore (il trattamento) influenzi la salute di un giocatore (l'esito finale), passando attraverso la sua dieta (il mediatore).
Il problema è che molti giocatori non rispondono alle domande sulla dieta o sulla salute. Alcuni non mangiano perché hanno vergogna, altri perché sono troppo impegnati. Questi dati mancanti non sono "casuali": spesso sono legati proprio a ciò che non vogliono dire (ad esempio, chi mangia male non risponde).

Nella statistica tradizionale, si assume che i dati mancanti siano come "carte estratte a caso" dal mazzo. Ma qui, le carte mancanti sono quelle "scomode" che i giocatori hanno nascosto sotto il tavolo. Se ignoriamo questo, i risultati dello studio saranno sbagliati.

Questo articolo è come una mappa del tesoro per gli statistici. Dice: "Non preoccuparti, anche se i giocatori nascondono le carte, possiamo ancora ricostruire la partita vera se usiamo gli indizi giusti".

Le Due Strategie per Recuperare i Dati

Gli autori dividono i metodi per risolvere il problema in due grandi famiglie, usando due metafore diverse.

1. I Modelli "Separati" (Self-Separated): La Regola del "Non Guardare"

Immagina che il giocatore che non risponde alla domanda sulla dieta (M) e quello che non risponde sulla salute (Y) siano due persone diverse che non si influenzano a vicenda e non hanno segreti in comune nascosti.

L'idea: Se assumiamo che la loro "mancanza di risposta" sia indipendente dal loro comportamento reale (una volta controllati altri fattori come l'età o lo stipendio), possiamo ricostruire la verità.
Il limite: È come se dicessimo: "Ok, ammettiamo che non ci siano segreti comuni". È una regola rigida. Se i due giocatori sono amici e decidono insieme di non rispondere perché hanno paura del coach, questo metodo fallisce.
La soluzione: Gli autori mostrano che anche con regole meno rigide (dove le risposte mancanti dipendono dal passato ma non dal presente nascosto), possiamo ancora capire cosa è successo. È come dire: "Se so cosa hai mangiato ieri, posso capire perché non hai risposto oggi, anche se non so cosa mangerai domani".

2. I Modelli "Connessi" (Self-Connected): L'Investigatore Privato (Shadow Variable)

Qui la situazione è più difficile. Immagina che il giocatore nasconda la sua dieta proprio perché la sua dieta è cattiva. È un circolo vizioso: il problema causa il silenzio. Come facciamo a sapere la verità?

Qui entra in gioco l'Investigatore Privato, chiamato Variabile Ombra (Shadow Variable).

Cos'è? È una variabile che non è la dieta né la salute, ma che è strettamente legata alla dieta (o alla salute) e che non è influenzata dal fatto che il giocatore taccia.
L'analogia: Immagina che il giocatore non voglia dire cosa mangia (Dati mancanti). Ma noi sappiamo che il suo orologio (Variabile Ombra) si è rotto proprio quando ha iniziato a mangiare male. L'orologio non è la dieta, ma ci dice qualcosa su di essa. Inoltre, il fatto che l'orologio sia rotto non dipende dal fatto che il giocatore taccia.
Il trucco: Confrontando il comportamento dell'orologio con quello dei giocatori che hanno risposto, possiamo dedurre matematicamente cosa mangiano quelli che non hanno risposto. È come risolvere un'equazione con un indizio nascosto.

I Tre Tipi di Investigatori (Variabili Ombra)

Gli autori spiegano che questo "Investigatore Privato" può trovarsi in tre posti diversi nella storia:

L'Investigatore Interno: A volte, la dieta stessa può essere l'investigatore per la salute, e la salute per la dieta. Se un giocatore risponde sulla dieta ma tace sulla salute, la sua dieta ci aiuta a capire la sua salute mancante (e viceversa).
L'Investigatore Esterno (Auxiliary): È un dato raccolto altrove. Nel caso di uno studio sul lavoro, se manca il dato sullo stipendio futuro, potremmo usare il numero di anni di scuola come investigatore. O, ancora meglio, usare i dati di un altro anno (es. lo stipendio di 5 anni fa) per capire quello di oggi.
L'Investigatore di Base (Covariate): Sono i dati che avevamo già all'inizio (come il livello di istruzione o l'età). Se questi dati sono abbastanza ricchi e dettagliati, possono fare da "ombra" per ricostruire i dati mancanti successivi.

Perché è Importante? (La Metafora del Ponte)

Prima di questo studio, gli statistici avevano pochi ponti per attraversare il fiume dei dati mancanti. Se il ponte era troppo debole (assunzioni troppo rigide), cadeva. Se era troppo forte (assunzioni impossibili), non si poteva costruire.

Questo articolo:

Costruisce nuovi ponti: Mostra molte più strade per arrivare alla verità, anche quando i dati sono "sporchi" o nascosti.
Dà una mappa: Spiega quando puoi usare quale ponte. Non tutti i dati sono adatti per ogni metodo; devi scegliere l'investigatore giusto per il tuo caso specifico.
Avverte sui pericoli: Ti dice quali ponti sono "falsi" (modelli che sembrano funzionare ma non lo fanno) e come verificare se stai usando la strada giusta.

In Conclusione

Immagina di dover ricostruire un puzzle di cui mancano pezzi fondamentali e che i pezzi mancanti sono quelli più colorati e importanti.
Questo articolo non ti dà i pezzi mancanti (non può inventare i dati), ma ti insegna a guardare i bordi del puzzle e a usare le ombre proiettate dai pezzi esistenti per dedurre esattamente come dovrebbero essere i pezzi mancanti.

È un lavoro di logica avanzata che trasforma un problema apparentemente senza soluzione (dati nascosti per vergogna o paura) in un'equazione risolvibile, permettendo agli scienziati di fare studi più onesti e precisi su come le cure, le scuole o i programmi sociali funzionano davvero.

1. Il Problema

L'analisi di mediazione è fondamentale per comprendere i meccanismi attraverso cui un'esposizione ( $A$ ) influenza un esito ( $Y$ ) tramite un mediatore ( $M$ ). Tuttavia, la presenza di dati mancanti, specialmente quando colpiscono simultaneamente sia il mediatore che l'esito, rappresenta una sfida critica.

Limitazioni degli approcci standard: La maggior parte delle metodologie esistenti assume che i dati siano mancanti in modo casuale (MAR - Missing At Random) o completamente casuale (MCAR). Se queste ipotesi non sono soddisfatte (ad esempio, se la mancata risposta dipende dal valore stesso della variabile, ovvero MNAR - Missing Not At Random), le stime degli effetti causali risultano distorte.
La sfida specifica: In contesti di mediazione, la combinazione di dati mancanti nel mediatore e nell'esito rende il problema di identificazione (la possibilità di recuperare le distribuzioni complete dai dati osservati) particolarmente complesso rispetto ai modelli di sola esito.
Obiettivo: Il paper mira ad espandere l'insieme dei modelli identificabili per gestire la mancata osservazione di $M$ e $Y$ senza fare affidamento sull'ipotesi MAR, esplorando sia modelli "auto-separati" che "auto-connessi".

2. Metodologia e Quadri Teorici

Gli autori utilizzano un framework basato sui diagrammi causali aciclici diretti (DAG) e sulla teoria dell'identificabilità, distinguendo due grandi classi di modelli per la generazione dei dati mancanti:

A. Modelli Auto-Separati (Self-Separated Missingness)

In questi modelli, la variabile di interesse e il suo indicatore di mancata osservazione ( $R$ ) non si influenzano a vicenda e non condividono cause non osservate comuni.

Identificazione: Si basa su assunzioni di indipendenza condizionale.
Modelli Proposti (S1-S5):
- S1 (Sequentially Ignorable Missingness - SIM): Il modello meno restrittivo per il setting "in-time". Assume che la mancata osservazione del mediatore sia indipendente da $M$ e $Y$ dato $X, A$ , e che la mancata osservazione dell'esito sia indipendente da $Y$ dato $X, A, M, R_M$ .
- S2-S5: Varianti che rilassano alcune dipendenze o cambiano l'ordine temporale delle misurazioni (es. setting "delayed", "unordered", "reverse").
Verificabilità: Molti di questi modelli implicano condizioni verificabili sui dati osservati (implicazioni testabili), permettendo di falsificare modelli errati.

B. Modelli Auto-Connessi con Variabili Ombra (Self-Connected Missingness with Shadow Variables)

In questi scenari, la variabile influenza la propria mancata osservazione o condivide cause non osservate con essa (violando la separazione). L'identificazione è possibile sfruttando le Variabili Ombra (Shadow Variables - SV).

Definizione di SV: Una variabile $Z$ che è dipendente dalla variabile di interesse $V$ ma è indipendente dall'indicatore di mancata osservazione $R_V$ condizionatamente a $V$ .
Teoria Generalizzata: Gli autori sintetizzano ed estendono la teoria delle variabili ombra:
1. Condizione di Completezza: Richiedono che la distribuzione congiunta di $V$ e $Z$ (nei casi osservati) sia completa rispetto a $Z$ .
2. Gestione della Mancanza nella SV: Estendono la teoria per permettere che anche la variabile ombra $Z$ sia soggetta a dati mancanti, a patto che soddisfino specifiche condizioni di separazione (assunzione mSV).
3. Tipologie di SV:
  - SV Intrinseche (Z1-Z5): Il mediatore o l'esito fungono da variabile ombra l'uno per l'altro (es. $M$ è ombra per $Y$ e viceversa).
  - SV Esterne/Ausiliarie (D1-D4, M1-M4, U4, C1-C4): Variabili esterne (dati ausiliari, covariate, trattamenti) che fungono da ombra. Queste sono classificate in base alla loro posizione nella struttura causale (a valle, a metà strada, a monte) e al tipo di assunzione di indipendenza (combinata, parallela, sequenziale).

C. Tecniche di Identificazione

Il paper introduce e utilizza tecniche di "Odds-Tilting" (inclinazione delle probabilità).

Invece di fattorizzare direttamente le distribuzioni congiunte, gli autori identificano le probabilità di risposta ( $P(R=1|...)$ ) o le funzioni di inclinazione ( $h, k$ ) che mappano le densità dei dati osservati a quelle complete.
Vengono derivati integrali di equazioni (basati sull'attesa condizionata) che permettono di recuperare le distribuzioni complete uniche, sfruttando la relazione tra le probabilità di mancata osservazione condizionate alla variabile ombra e quelle condizionate alla variabile stessa.

3. Contributi Chiave

Espansione dello Spazio dei Modelli Identificabili: Il lavoro fornisce un catalogo completo di modelli identificabili per la mediazione con dati mancanti, andando oltre le limitazioni del MAR.
Sintesi ed Estensione della Teoria delle Variabili Ombra:
- Unificano risultati dispersi in una teoria coerente.
- Estendono la teoria al caso di due variabili con dati mancanti simultaneamente.
- Incorporano la possibilità che la variabile ombra stessa sia mancante, un aspetto spesso trascurato ma cruciale nella pratica.
Distinzione Temporale Esplicita: Il paper chiarisce come l'ordine temporale delle misurazioni (in-time, ritardato, non ordinato, inverso) influenzi la fattibilità e la struttura dei modelli identificabili.
Verificabilità dei Modelli: Identifica quali modelli implicano condizioni testabili sui dati osservati, offrendo agli ricercatori strumenti per validare o scartare ipotesi di meccanismo di mancata osservazione.
Template per lo Sviluppo Metodologico: Fornisce le formule di identificazione espresse come funzioni di inclinazione, pronte per essere utilizzate nello sviluppo di metodi di stima (es. pesatura non risposta, imputazione).

4. Risultati Principali

Modelli Auto-Separati: È stato dimostrato che l'ipotesi MAR è spesso troppo restrittiva e che modelli come il SIM (Sequentially Ignorable Missingness) offrono identificazione con meno vincoli. Tuttavia, questi modelli richiedono l'assenza di certi percorsi causali tra le variabili e i loro indicatori di mancata osservazione.
Modelli Auto-Connessi:
- I modelli che permettono la dipendenza tra variabile e mancata osservazione (MNAR) sono identificabili se è presente una variabile ombra valida.
- Sono stati identificati tre modelli principali per l'uso di SV esterne (Combinato, Parallelo, Sequenziale), ciascuno con requisiti diversi di completezza e restrizioni sulle dipendenze nel modello di mancata osservazione.
- È stato dimostrato che l'identificazione è possibile anche quando la SV è mancante, purché si rispettino condizioni di separazione specifiche (es. $R_Z$ non influenza $R_V$ e non condivide cause non osservate con essa).
Implicazioni Pratiche: Attraverso esempi (intervento scolastico e formazione lavorativa), il paper mostra come la scelta del modello dipenda dalla conoscenza del dominio e dalla disponibilità di dati ausiliari. Ad esempio, l'uso di dati riportati dai genitori come SV per i dati riportati dagli studenti (o viceversa) può permettere l'identificazione in scenari altrimenti non identificabili.

5. Significato e Implicazioni

Questo lavoro rappresenta un avanzamento significativo nella metodologia dell'analisi causale di mediazione:

Robustezza: Offre alternative robuste al MAR, riducendo il rischio di stime distorte in studi osservazionali o sperimentali con alti tassi di non risposta.
Guida per la Progettazione degli Studi: Sottolinea l'importanza di raccogliere dati ausiliari (variabili ombra) già nella fase di pianificazione dello studio. La disponibilità di tali variabili può trasformare un problema non identificabile in uno identificabile.
Fondamento per l'Inferenza: Sebbene il paper si concentri sull'identificazione teorica, fornisce le basi matematiche necessarie per sviluppare nuovi algoritmi di stima e inferenza (parametrici e semi-parametrici) per gestire la mancata osservazione non ignobile in contesti complessi.
Generalizzabilità: La teoria delle variabili ombra estesa e le tecniche di odds-tilting sviluppate sono applicabili oltre l'analisi di mediazione, utili in qualsiasi contesto di inferenza causale con dati mancanti non ignobili.

In sintesi, il documento fornisce un quadro teorico rigoroso e pratico per affrontare uno dei problemi più difficili nell'analisi dei dati causali, trasformando l'incertezza sulla mancata osservazione in un problema risolvibile attraverso l'uso intelligente di strutture causali e variabili ausiliarie.