Semiparametric Efficient Test for Interpretable Distributional Treatment Effects

Riepilogo Tecnico: Test Semiparametrico Efficiente per Effetti Distribuzionali del Trattamento Interpretabili

Enunciato del Problema
Gli effetti medi del trattamento (ATE) sono spesso insufficienti per domande causali che coinvolgono rischio, eterogeneità o esiti strutturati (ad esempio, immagini, sequenze). Un trattamento può preservare l'esito medio alterando significativamente la dispersione, le code, la multimodalità o la probabilità di eventi rari. Sebbene gli embedding medi del kernel permettano di testare le discrepanze distribuzionali tramite la Discrepanza Massima del Mezzo (MMD), i test globali basati sul kernel mancano di interpretabilità; un rifiuto indica che due leggi di esito interventiste differiscono, ma non rivela dove nello spazio degli esiti si manifesti la differenza. Inoltre, in contesti osservazionali, i test ingenui a posizione finita sono confusi perché i campioni osservati trattati e di controllo non rivelano direttamente i contrasti controfattuali richiesti per un'inferenza valida.

Metodologia: DR-ME
Gli autori propongono DR-ME (Mean Embedding a Doppia Robustezza), un test semiparametricamente efficiente a posizione finita per effetti distribuzionali causali. Il metodo opera in tre fasi:

1. Testimone Causale a Posizione Finita:
   Invece di testare la discrepanza globale RKHS $\Delta = \chi(1) - \chi(0)$, il metodo proietta questa discrepanza su un insieme finito di $J$ posizioni di esito $V = (v_1, \dots, v_J)$. Il parametro target è il vettore a dimensione finita $\mu_V = (w(v_1), \dots, w(v_J))^\top$, dove $w(y)$ è la funzione testimone del kernel che rappresenta la discrepanza tra le leggi interventiste alla posizione $y$.

2. Caratteristiche Ortogonali a Doppia Robustezza:
   Per stimare $\mu_V$ da dati osservazionali $Z=(X, A, Y)$ in presenza di confondimento, gli autori derivano una caratteristica ortogonale aumentata a propensione inversa. Sia $\pi$ il punteggio di propensione e $r_a$ le regressioni dell'esito. La caratteristica specifica per il braccio è:
   $$\phi_a^V(Z; \eta) = \frac{\mathbb{1}\{A=a\}}{\pi(a|X)}(k_V(Y) - r_a(X; V)) + r_a(X; V)$$
   Il contrasto a doppia robustezza è $z_{dr}^V(Z; \eta) = \phi_1^V - \phi_0^V$. Gli autori dimostrano che la versione centrata di questa caratteristica, $\psi_V(Z) = z_{dr}^V(Z; \eta_0) - \mu_V$ (dove $\eta_0$ è il disturbo vero), è il gradiente canonico di $\mu_V$ nel modello non parametrico. Questa ortogonalità garantisce che gli errori di stima nei parametri di disturbo (propensione e regressione) entrino solo attraverso termini di resto del secondo ordine, a condizione che venga utilizzato il cross-fitting o la divisione del campione.

3. Geometria di Test Locale Efficiente:
   La statistica del test è una forma quadratica di tipo Hotelling:
   $$\hat{\lambda}_{n,V}^{dr} = n \bar{z}_{n,V}^{dr\top} (S_{n,V}^{dr} + \gamma_n I_J)^{-1} \bar{z}_{n,V}^{dr}$$
   dove $\bar{z}_{n,V}^{dr}$ è la media empirica delle caratteristiche cross-fittate e $S_{n,V}^{dr}$ è la covarianza campionaria.

   • Teoria della Potenza Locale: Sotto alternative locali che si avvicinano all'ipotesi nulla al tasso $n^{-1/2}$, la statistica converge a una distribuzione chi-quadrato non centrale. Il parametro di non centralità è determinato dalla deriva locale sbiancata $\lambda_V(g) = \eta_V(g)^\top \Sigma_V^{-1} \eta_V(g)$, dove $\eta_V(g)$ è la derivata direzionale del testimone e $\Sigma_V$ è la covarianza del gradiente canonico.
   • Apprendimento della Posizione: Gli autori sostengono che la grandezza grezza del testimone non è l'obiettivo di apprendimento ottimale. Invece, le posizioni dovrebbero essere apprese massimizzando il criterio di potenza locale stabilizzato da ridge:
     $$P_\tau(V) = \mu_V^\top (\Sigma_V + \tau I_J)^{-1} \mu_V$$
     Questo criterio seleziona le posizioni che massimizzano il rapporto segnale-rumore dopo aver tenuto conto della geometria efficiente della covarianza. Viene impiegata la divisione del campione: i disturbi sono adattati su $I_\eta$, le posizioni sono apprese su $I_{tr}$ e il test finale è calcolato su una divisione indipendente $I_{te}$. Ciò garantisce che la teoria dell'ipotesi nulla a posizione fissa si applichi post-selezione.

Contributi Chiave

1. Formulazione del Test Interpretabile a Posizione Finita: Il documento formula un test per gli effetti distribuzionali del trattamento che valuta il testimone interventista RKHS in specifiche posizioni di esito apprese, fornendo coordinate interpretabili di discrepanza causale.
2. Derivazione del Gradiente Canonico: Gli autori derivano il gradiente canonico per il segnale a posizione finita, mostrando che assume la forma di una caratteristica ortogonale a doppia robustezza. Ciò stabilisce il legame teorico tra lo stimatore sui dati osservati e l'esperimento limite efficiente.
3. Teoria Semiparametrica di Efficienza Locale: Il documento caratterizza il limite di test locale per posizioni fisse, dimostrando che la statistica DR-ME raggiunge l'esperimento gaussiano a segnale finito efficiente. Ciò produce un limite nullo $\chi^2_J$ e un limite di potenza locale non centrale $\chi^2_J$, governati dal segnale sbiancato dalla covarianza.
4. Apprendimento della Posizione Principiato: Utilizzando la geometria di efficienza derivata, gli autori propongono un criterio di apprendimento della posizione che massimizza la potenza locale sbiancata. Dimostrano la consistenza uniforme del criterio empirico sotto divisione del campione.

Risultati
Gli esperimenti su dati sintetici e semi-sintetici (inclusa l'imaging medico OCTMNIST) dimostrano:

• Calibrazione: Sotto confondimento osservazionale, DR-ME mantiene tassi di errore di Tipo-I vicini al nominale, mentre gli stimatori ingenui plug-in e le varianti senza divisione rifiutano eccessivamente.
• Potenza: DR-ME è competitivo con i test globali a kernel a doppia robustezza (ad esempio DR-xKTE) su alternative di spostamento della media, ma dimostra una potenza superiore su alternative di spostamento della varianza e di picco localizzato. Ciò conferma che concentrare la potenza su coordinate specifiche e apprese è vantaggioso quando gli effetti distribuzionali sono sparsi.
• Interpretabilità: Nello studio semi-sintetico di imaging medico, le posizioni apprese hanno localizzato con successo le regioni retiniche in cui le leggi distribuzionali delle immagini interventiste differivano, nonostante il trattamento non avesse alcun effetto sul residuo medio. Questa localizzazione era invisibile ai contrasti medi.
• Sbiancamento della Covarianza: Studi di ablazione mostrano che apprendere le posizioni tramite il criterio sbiancato dalla covarianza (massimizzando il rapporto segnale-rumore) produce una potenza significativamente superiore rispetto alla massimizzazione della norma grezza del testimone o all'uso di posizioni casuali, specialmente negli spazi di esito ad alta dimensionalità.

Significato e Affermazioni
Il documento afferma di fornire il primo test semiparametricamente efficiente a posizione finita per effetti distribuzionali del trattamento interpretabili. Il suo significato risiede nel colmare il divario tra la potenza dei test globali a kernel e l'interpretabilità delle diagnosi a posizione finita. Derivando il gradiente canonico e stabilendo la geometria efficiente di test locale, gli autori forniscono un quadro principiato per apprendere dove testare nello spazio degli esiti. Il metodo è complementare ai test globali: mentre i test globali offrono sensibilità onnicomprensiva, DR-ME mira a coordinate di testimone interpretabili ed efficienti localmente. Gli autori notano che la teoria attuale assume trattamenti puntuali sotto confondimento osservato e che estensioni a contesti longitudinali o a variabili strumentali richiederebbero nuovi gradienti canonici. Suggeriscono inoltre che lavori futuri potrebbero esplorare kernel profondi o classi di ricerca strutturate (ad esempio per sequenze di DNA) per migliorare ulteriormente l'applicabilità del metodo.