A fine-grained look at causal effects in causal spaces

1. Il Problema

La nozione di effetto causale è fondamentale nelle scienze, ma l'approccio tradizionale si concentra sul livello delle variabili (es. "come la dose di un farmaco $W$ influisce sulla pressione sanguigna $Y$"). Questo approccio presuppone che le variabili grezze abbiano una struttura semantica significativa.
Tuttavia, in molti domini moderni di dati (come le immagini con i pixel o i modelli linguistici con i token), le variabili grezze mancano della semantica necessaria per formulare domande causali significative. Chiedere l'effetto causale di un singolo pixel o di un token specifico è spesso privo di senso. Inoltre, le definizioni esistenti (come l'Effetto Medio del Trattamento, ATE) quantificano direttamente la grandezza dell'effetto, saltando la fase di determinazione binaria (presenza/assenza) dell'effetto stesso.

2. Metodologia

Gli autori adottano il framework dei Causal Spaces (Spazi Causali), un'assiomatica della causalità basata sulla teoria della misura introdotta recentemente da Park et al. (2023). Questo framework generalizza e unifica modelli come le Structural Causal Models (SCM) e il framework dei potenziali risultati.

La metodologia si basa su tre pilastri principali:

1. Livello di Analisi: Invece di definire gli effetti causali su variabili casuali, gli autori li definiscono prima a livello di eventi (sottoinsiemi dello spazio campionario $\Omega$) e successivamente estendono la definizione alle $\sigma$-algebre. Un evento può rappresentare concetti semantici complessi come "l'immagine contiene un gatto" o "il testo è in cinese", indipendentemente dalla struttura dei dati grezzi sottostanti.
2. Struttura Matematica: Utilizzano uno spazio di probabilità $(\Omega, \mathcal{H}, P)$ e un meccanismo causale $\mathcal{K} = \{K_S\}_{S \subseteq T}$, dove $K_S$ sono kernel di probabilità che descrivono la distribuzione risultante dopo un'intervento sulle coordinate indicizzate da $S$.
3. Analogia con l'Indipendenza: L'approccio rispecchia lo sviluppo della teoria dell'indipendenza nella probabilità: si definisce prima l'indipendenza tra eventi, poi tra $\sigma$-algebre, e infine tra variabili. Allo stesso modo, definiscono prima l'effetto causale tra eventi, poi estendono il concetto.

3. Contributi Chiave

A. Definizioni Binarie (Esistenza/Assenza)

Gli autori introducono una famiglia di definizioni binarie ("sì/no") per gli effetti causali, offrendo una granularità fine:

• Effetto Causale Attivo: Un evento $B$ ha un effetto causale attivo su $A$ se la misura osservazionale $P(A)$ cambia quando si interviene su $B$ (confrontando $K_U(\omega, A)$ con $P(A)$).
• Effetto Causale Condizionato: Estende il concetto condizionando su un evento $G$ o una $\sigma$-algebra $\mathcal{G}$. Questo permette di catturare l'eterogeneità dell'effetto (es. un effetto che esiste solo in una sottopopolazione specifica).
• Effetto Causale Post-Intervento: Analizza l'effetto di un'intervento aggiuntivo dopo che un primo intervento è già stato applicato. Questo è cruciale per studiare i mediatori e le interazioni causali sequenziali.
• Tipologie di Assenza: Vengono distinte tre categorie: assenza di effetto, effetto attivo e effetto "dormiente" (dove l'intervento da solo non cambia la distribuzione, ma lo fa se combinato con altri interventi).

B. Misure di Quantificazione

Per passare dall'esistenza alla misurazione della forza e della natura dell'effetto, propongono:

• Mean Effect Score (Punteggio Medio di Effetto): Confronta la probabilità osservazionale $P(A)$ con quella interventuale $P^{do}(A)$ attraverso una funzione di scala $f$. Questa funzione permette di pesare diversamente i cambiamenti di probabilità vicino ai bordi (eventi rari o quasi certi) rispetto al centro.
  • Esempio: Una funzione lineare restituisce la semplice differenza di probabilità.
  • Esempio: Una funzione iperbolica (sinh) enfatizza i cambiamenti negli estremi.
• Maximum Effect Score (Punteggio Massimo di Effetto): Identifica l'outcome specifico all'interno di un insieme che massimizza la variazione della probabilità.
• Quantificazione su $\sigma$-algebre: Per misurare l'effetto su intere distribuzioni (non solo su un singolo evento), introducono un funzionale di differenza $D_F$ che mappa due misure in uno spazio vettoriale normato. Questo permette di catturare aspetti multipli (media, varianza, forma della distribuzione) simultaneamente.

4. Risultati e Proprietà Teoriche

• Collegamento all'Indipendenza: Viene dimostrato che l'assenza di un effetto causale attivo equivale all'indipendenza tra l'evento e l'algebra dell'intervento sotto la misura interventuale (Lemma 4 e Proposizione 7).
• Recupero dei Metodi Esistenti: Le nuove definizioni generalizzano i concetti classici. Ad esempio, l'Average Treatment Effect (ATE) e il Conditional Average Treatment Effect (CATE) sono recuperati come casi speciali delle misure di effetto su $\sigma$-algebre, scegliendo opportuni funzionali di differenza (es. differenza delle medie).
• Esempi Applicativi:
  • Assicurazione Viaggi: Dimostrano come l'acquisto di un'assicurazione cambi la probabilità di pagare 1000 CHF in caso di incidente, e come questo effetto vari a seconda del livello di pericolo del viaggio (effetto condizionato).
  • Modelli Linguistici (Appendice D): Mostrano come definire eventi come "il testo generato è di natura politica" permette di analizzare effetti causali semantici che non potrebbero essere catturati a livello di singoli token.

5. Significato e Implicazioni

• Granularità Semantica: Il contributo principale è lo spostamento del focus dalle variabili ai eventi. Questo risolve il problema dell'interpretazione causale in domini ad alta dimensionalità e bassa semantica (pixel, token), permettendo di porre domande causali su concetti di alto livello senza dover definire esplicitamente mappe di astrazione o variabili latenti.
• Flessibilità di Misurazione: L'introduzione di funzioni di scala e funzionali di differenza permette agli analisti di personalizzare la definizione di "importanza" di un effetto causale in base al contesto (es. dare più peso alla riduzione di un rischio raro rispetto a un cambiamento di probabilità comune).
• Fondazione Teorica: Il lavoro fornisce una base rigorosa basata sulla teoria della misura per la causalità, separando la definizione di popolazione (livello teorico) dai problemi di identificazione e stima (livello statistico), che vengono lasciati come passi successivi.

In sintesi, il paper offre un quadro teorico unificato e flessibile per analizzare gli effetti causali in contesti moderni e complessi, superando i limiti delle definizioni basate sulle variabili tradizionali e fornendo strumenti sia qualitativi (binari) che quantitativi per la misurazione.