Sintesi Tecnica: Metodo della Variabile Strumentale Distribuzionale (DIV)

Definizione del Problema

Il documento affronta la sfida di inferire gli effetti causali in presenza di confondimento non misurato (confonditori nascosti $H$) quando non sono disponibili esperimenti randomizzati. Sebbene l'approccio della Variabile Strumentale (IV) sia uno strumento standard per tale endogeneità, i metodi esistenti si concentrano tipicamente sulla stima di specifici funzionali dell'effetto causale, come l'effetto causale medio (ad esempio, tramite i Minimi Quadrati a Due Stadi, 2SLS) o gli effetti di trattamento quantilici.

Gli autori sostengono che riassumere gli effetti causali in singole quantità (come le medie) disperda informazioni preziose. In molte applicazioni, comprendere l'intera distribuzione interventistica dell'esito $Y$ sotto un intervento $do$ sul trattamento $X$ (denotata come $P_{do(X:=x)}(Y)$) è più informativo. Inoltre, i metodi IV tradizionali spesso falliscono in contesti "sotto-identificati", dove il numero di strumenti è inferiore al numero di variabili di trattamento, o quando la relazione tra lo strumento e il trattamento è debole in termini di medie condizionali ma forte in termini di momenti distribuzionali di ordine superiore.

Metodologia: Variabile Strumentale Distribuzionale (DIV)

Il metodo proposto della Variabile Strumentale Distribuzionale (DIV) stima la distribuzione interventistica completa sfruttando la modellazione generativa all'interno di un framework di Modello Causale Strutturale (SCM).

1. Modello Causale Strutturale e Formulazione Generativa

Gli autori assumono che i dati siano generati da un SCM in cui:
$$X := g(Z, \eta_X)$$
$$Y := f(X, \eta_Y)$$
Qui, $Z$ è lo strumento, $X$ è il trattamento, $Y$ è l'esito, e $\eta_X, \eta_Y$ sono termini di rumore correlati a causa del confondimento nascosto. A differenza dei classici metodi IV lineari, il DIV consente funzioni $g$ e $f$ generalmente non lineari e non assume un rumore additivo.

Per catturare la correlazione tra $\eta_X$ e $\eta_Y$, il DIV modella i termini di rumore come funzioni di variabili gaussiane standard indipendenti e di una componente di rumore latente condivisa:
$$\eta_X = h_X(\varepsilon_X, \varepsilon_H)$$
$$\eta_Y = h_Y(\varepsilon_Y, \varepsilon_H)$$
dove $\varepsilon_X, \varepsilon_Y, \varepsilon_H$ sono gaussiane standard indipendenti. Ciò produce un modello generativo congiunto per $(X, Y)$ dato $Z$.

2. Stima tramite Energy Score

Il nucleo del metodo DIV è l'adattamento della distribuzione condizionale congiunta $P(X, Y | Z)$ utilizzando l'Engression (Shen e Meinshausen, 2024). I parametri del modello (reti neurali per $g, f, h_X, h_Y$) sono ottimizzati per minimizzare l'expected negative energy score, una regola di punteggio strettamente propria per distribuzioni multivariate.

L'obiettivo della popolazione è:
$$(g^*, f^*, h_X^*, h_Y^*) \in \arg \min_{f,g,h_X,h_Y} \mathbb{E} \left[ \|(X, Y) - (\hat{X}, \hat{Y})\| - \frac{1}{2}\|(\hat{X}, \hat{Y}) - (\hat{X}', \hat{Y}')\| \right]$$
dove $(\hat{X}, \hat{Y})$ e $(\hat{X}', \hat{Y}')$ sono campioni indipendenti generati dal modello.

3. Stima della Distribuzione Interventistica

Una volta adattato il modello, la distribuzione interventistica $P_{do(X:=x)}(Y)$ viene stimata tramite campionamento. Un intervento $do(X:=x)$ interrompe il legame tra $X$ e il suo rumore $\eta_X$. La procedura prevede:

1. Campionare $\varepsilon_Y$ e $\varepsilon_H$ da gaussiane standard.
2. Calcolare il rumore $\eta_Y^* = h_Y^*(\varepsilon_Y, \varepsilon_H)$.
3. Generare l'esito $Y^* = f^*(x, \eta_Y^*)$.

Da questi campioni, qualsiasi funzionale della distribuzione (media, quantili, varianza) può essere stimato tramite Monte Carlo.

Contributi Teorici Chiave

Il documento stabilisce risultati di identificabilità per la distribuzione interventistica sotto tre distinte configurazioni di modello:

1. Classe di Modello Generale: Sotto assunzioni di monotonia stretta nelle perturbazioni latenti e una condizione di supporto comune (che richiede che lo strumento abbia un ampio supporto), la distribuzione interventistica è unicamente identificabile dai dati osservati.
2. Modelli a Rumore Pre-Additivo (Strumento Continuo): Limitando il modello dell'esito a una forma di rumore pre-additivo, gli autori dimostrano l'identificabilità anche quando lo strumento ha un supporto continuo ma non soddisfa necessariamente la condizione di "ampio supporto" richiesta per la classe generale.
3. Modelli a Rumore Pre-Additivo (Strumento Discreto/Binario): Fondamentalmente, il documento dimostra che per i modelli a rumore pre-additivo, la distribuzione interventistica è identificabile anche con un strumento binario e un trattamento multivariato (un contesto sotto-identificato dove $dim(Z) < dim(X)$). Ciò contrasta con il 2SLS, che fallisce in tali casi a causa della multicollinearità nel primo stadio. Gli autori mostrano che se lo strumento influenza la distribuzione del trattamento in un modo che non è meramente uno spostamento deterministico (ovvero, le distribuzioni condizionate differiscono oltre uno spostamento della media), l'intera informazione distribuzionale è sufficiente per l'identificazione.

Il documento prova anche la consistenza dello stimatore DIV in una semplice sottoclasse parametrica lineare.

Risultati Empirici

Gli autori valutano il DIV rispetto a benchmark inclusi 2SLS, Control Functions (CF), DeepIV, DeepGMM, HSIC-X, IVQR e DIVE.

• Dati Simulati:
  • Stima di Media e Quantili: Il DIV performa in modo competitivo o superiore nella stima delle medie interventistiche e dei quantili in contesti lineari, non lineari e di rumore pre-additivo.
  • Casi Sotto-Identificati: In scenari con un singolo strumento binario e un trattamento bidimensionale ($dim(Z)=1, dim(X)=2$), il 2SLS e altri benchmark falliscono nell'identificare i parametri causali. Il DIV recupera con successo i parametri utilizzando l'intera informazione distribuzionale.
  • Strumenti Deboli: Il DIV rimane robusto quando lo strumento ha una debole rilevanza della media o una debole rilevanza media-varianza, a patto che i momenti distribuzionali di ordine superiore portino informazioni strutturali.
• Applicazioni nel Mondo Reale:
  • Dati Economici (Acemoglu et al., 2001): Applicato alla relazione tra qualità istituzionale e PIL. Il DIV recupera un effetto causale positivo, approssimativamente lineare, coerente con i risultati originali del 2SLS, fornendo al contempo una stima distributiva completa (quantili).
  • Dati Single-Cell: Applicato alla predizione dell'espressione genica sotto perturbazioni CRISPR non osservate. Il DIV dimostra una generalizzabilità superiore agli ambienti di intervento non visti e una stabilità attraverso diversi subset di addestramento rispetto ad altri metodi, suggerendo che cattura più efficacemente il meccanismo causale sottostante.

Significato e Rivendicazioni

Il documento sostiene che il DIV offre un avanzamento significativo nell'inferenza causale:

1. Espansione dell'Estimando: Andando oltre gli effetti medi o quantilici per stimare l'intera distribuzione interventistica, fornendo una comprensione più ricca dei meccanismi causali e dell'incertezza aleatoria.
2. Superamento dei Limiti di Identificazione: Risolvendo problemi "sotto-identificati" dove i metodi IV tradizionali (come il 2SLS) falliscono, specificamente sfruttando l'informazione distribuzionale in contesti con strumenti discreti e trattamenti multivariati.
3. Flessibilità: Accogliendo relazioni generalmente non lineari senza assunzioni restrittive di rumore additivo.
4. Utilità Pratica: Fornendo un'implementazione software computazionalmente efficiente (R e Python) che permette di campionare dalla distribuzione interventistica stimata, facilitando il calcolo di qualsiasi funzionale distributivo.

Gli autori concludono che, sebbene il metodo dipenda dalla stima della distribuzione congiunta $P(X, Y | Z)$, questo approccio massimizza l'uso delle informazioni provenienti dagli strumenti, offrendo la migliore possibilità di identificazione in contesti complessi e confusi. Le direzioni di lavoro futuro menzionate includono la quantificazione dell'incertezza epistemica e l'applicazione della metodologia ai compiti di generalizzazione della distribuzione.