Riepilogo Tecnico: Apprendimento di Rappresentazione per l'Analisi di Mediazione Causale Semiparametrica sotto Assenza di Eterogeneità Essenziale

1. Definizione del Problema

L'obiettivo primario di molti esperimenti randomizzati è stimare non solo l'effetto complessivo del trattamento, ma anche i meccanismi causali sottostanti, specificamente l'effetto indiretto mediato da una variabile intermedia $M$. Una sfida metodologica significativa sorge quando esistono confonditori non misurati tra il mediatore e l'esito. In tali casi, la classica assunzione di Ignorabilità Sequenziale (SI) — che richiede l'assenza di confondimento non misurato tra mediatore ed esito condizionato sulle covariate osservate — viene violata, portando a stime inconsistenti.

Sebbene i Modelli Strutturali Annidati (SNM) e la G-stima offrano un quadro per gestire il confondimento non misurato, le applicazioni tradizionali si basano spesso sull'assunzione di "Preservazione del Rango" (Rank Preservation). Tale assunzione è frequentemente criticata per essere eccessivamente restrittiva, poiché implica che le deviazioni individuali dal modello strutturale siano identiche in tutti i regimi controfattuali, escludendo di fatto l'eterogeneità individuale negli effetti del trattamento o del mediatore.

Per affrontare questo problema, Zheng e Zhou (2015) hanno proposto un modello di media strutturale più generale basato sull'assunzione di "Assenza di Eterogeneità Essenziale" (No Essential Heterogeneity, NEH). Sebbene la NEH consenta confonditori non misurati e arbitrarie modifiche dell'effetto tramite le covariate osservate, essa si basa su una funzione di peso ottimale per la G-stima che dipende dall'Effetto del Trattamento Medio Condizionale (CATE) del trattamento sul mediatore. In contesti con covariate ad alta dimensionalità e effetti del mediatore non lineari, stimare accuratamente questo CATE è difficile. Gli approcci lineari standard o le regressioni separate (T-learners) spesso non riescono a catturare l'eterogeneità complessa, portando a pesi subottimali e a una perdita di efficienza nelle stime finali dei parametri strutturali.

2. Metodologia: Il Framework UNIT

Gli autori propongono UNIT (Unmeasured-confounding-robust NEH-based Identification with TARNet), uno stimatore a due stadi che integra l'apprendimento di rappresentazione profonda con la G-stima.

Quadro Teorico

Il metodo opera sotto le seguenti assunzioni chiave:

1. Consistenza/SUTVA: Assunzioni standard riguardanti gli esiti potenziali.
2. Ignorabilità del Trattamento: L'assegnazione del trattamento è indipendente dagli esiti potenziali e dai mediatori date le covariate pre-trattamento (soddisfatta dalla randomizzazione).
3. Assenza di Eterogeneità Essenziale (NEH): I confonditori non osservati non modificano la media degli effetti del trattamento o del mediatore. Questa è una condizione più debole della Preservazione del Rango, ma più forte della piena identificazione non parametrica.
4. Specifica Strutturale Corretta: La forma funzionale del modello di media strutturale è correttamente specificata.
5. Non degenerazione: La matrice di peso è non degenere, richiedendo che il trattamento abbia un effetto eterogeneo sul mediatore.

Sotto la NEH, la funzione di peso ottimale per la G-stima dipende dal CATE del mediatore, $\tau_M(X) = E[M|T=1, X] - E[M|T=0, X]$.

Lo Stadio 1: Apprendimento di Rappresentazione per la Stima dei Pesi
Inveve di utilizzare regressioni separate (T-learners) o modelli lineari, UNIT impiega una Rete di Rappresentazione Indifferente al Trattamento (TARNet).

• Architettura: La rete apprende una rappresentazione condivisa $\Phi(X)$ delle covariate attraverso i bracci del trattamento, seguita da teste di output specifiche per il trattamento ($h_0$ per il controllo, $h_1$ per il trattato).
• Meccanismo: Il CATE del mediatore è stimato come la differenza tra i due teste: $\hat{\tau}_M(X) = h_1(\Phi(X)) - h_0(\Phi(X))$.
• Cross-fitting: Per evitare l'overfitting e garantire proprietà asintotiche valide, la TARNet viene addestrata utilizzando il cross-fitting. Il CATE è stimato fuori dal campione (out-of-fold) per ogni unità.
• Costruzione dei Pesi: Il CATE stimato viene utilizzato per costruire il vettore di peso plug-in $\hat{W}(X) = (1, \hat{\tau}_M(X))^\top$, che viene poi centrato dalla probabilità di assegnazione del trattamento per formare l'strumento $\hat{A}_i = (T_i - p)\hat{W}(X_i)$.

Lo Stadio 2: G-Stima Strutturale
Utilizzando i pesi derivati nello Stadio 1, i parametri strutturali $\theta$ vengono stimati risolvendo l'equazione di G-stima empirica:
$$\sum_{i=1}^n \hat{A}_i \left( Y_i - \hat{g}^{(-)}(X_i) - H_i^\top \theta \right) = 0$$
dove $H_i$ rappresenta le funzioni di base del modello strutturale (ad esempio, indicatori di trattamento e mediatore) e $\hat{g}^{(-)}$ è una stima cross-fitted dell'esito basale. Gli autori notano che, sotto un modello di lavoro lineare per la base, questo sistema ha una soluzione in forma chiusa.

3. Contributi Chiave

L'articolo presenta tre contributi principali:

1. Collegare la Qualità della Rappresentazione all'Efficienza: Gli autori stabiliscono un chiaro legame teorico ed empirico tra la qualità della rappresentazione appresa $\Phi$ e l'efficienza dello stimatore del parametro strutturale. Dimostrano che una stima più accurata del CATE produce una matrice di peso plug-in più informativa, riducendo la varianza asintotica di $\hat{\theta}$.
2. L'Algoritmo UNIT: Propongono un algoritmo pratico a due stadi che combina la stima TARNet con il cross-fitting e la G-stima. Questo approccio ammorbidisce la forte assunzione di Preservazione del Rango a favore della più plausibile assunzione NEH, gestendo al contempo il confondimento non misurato tra mediatore ed esito.
3. Validazione Empirica: Attraverso uno studio di simulazione completo che coinvolge covariate non gaussiane, effetti del trattamento non lineari complessi e confondimento non misurato, gli autori dimostrano che i pesi basati su TARNet migliorano significativamente la precisione delle stime del coefficiente di mediazione rispetto agli approcci classici (T-learners lineari, Random Forests) senza introdurre bias o compromettere i tassi di copertura.

4. Risultati della Simulazione

Gli autori hanno valutato UNIT attraverso sette scenari che variano per grado di non linearità, forza dello strumento e validità dell'assunzione NEH.

• Stima del CATE (Stadio 1): Negli scenari con effetti del mediatore non lineari, TARNet ha superato significativamente la regressione Ridge lineare e le Random Forests separate (T-learners) nella stima del CATE del mediatore. TARNet ha ottenuto correlazioni più elevate con il vero CATE e un NRMSE (Normalized Root Mean Square Error) inferiore, in particolare con campioni di dimensioni moderate ($n \ge 1000$).
• Stima Strutturale (Stadio 2):
  • Efficienza: Nei contesti non lineari, i pesi basati su TARNet hanno ridotto l'errore standard del coefficiente di mediazione di circa il 30–50% rispetto ai T-learners lineari (rapporti mediani SE di 1.45–1.51 a $n \ge 2000$).
  • Bias e Copertura: Quando l'assunzione NEH era rispettata, tutti i G-estimator (indipendentemente dal learner dello Stadio 1) erano non distorti e raggiungevano la copertura nominale (circa 95%). Il naive stimatore di Baron–Kenny, che ignora il confondimento non misurato, mostrava un sostanziale bias positivo e una copertura dello 0%.
  • Robustezza: Quando la NEH era violata (presenza di eterogeneità essenziale), tutti i metodi convergevano allo stesso limite distorto, confermando che la validità del metodo dipende dall'assunzione NEH, non dallo specifico learner utilizzato.
  • Rappresentazione Condivisa: Confrontando TARNet (rappresentazione condivisa) con TNet (reti neurali separate), TARNet ha mostrato un distinto vantaggio in campioni finiti, riducendo gli errori standard del 30–40% in campioni di dimensioni moderate. Questo divario diminuiva all'aumentare della dimensione del campione, suggerendo che il beneficio delle rappresentazioni condivise sia più critico nei campioni finiti.

5. Significato e Rivendicazioni

L'articolo sostiene che UNIT offre un guadagno di efficienza sostanziale per le analisi di mediazione applicate dove l'assegnazione del trattamento è randomizzata ma il confondimento tra mediatore ed esito è non misurato. Sfruttando l'apprendimento di rappresentazione profonda per stimare i pesi ottimali per la G-stima, il metodo supera i limiti delle approssimazioni lineari in contesti ad alta dimensionalità e non lineari.

Gli autori sottolineano che il loro contributo non è la strategia di identificazione in sé (che è ereditata da Zheng e Zhou, 2015), ma la dimostrazione che un migliore apprendimento di rappresentazione nel primo stadio porta a una stima strutturale più efficiente. Argomentano che, per i ricercatori che gestiscono relazioni complesse tra covariate e mediatore, UNIT fornisce un quadro semiparametrico rigoroso che supera i learner tradizionali in termini di precisione, mantenendo la robustezza contro il confondimento non misurato sotto l'assunzione NEH.

Lo studio conclude che, sebbene il metodo sia robusto, non è una panacea per le violazioni dell'assunzione NEH, e la sua applicazione a dati osservazionali richiederebbe ulteriori estensioni per stimare i punteggi di propensione. Gli autori notano inoltre l'attuale mancanza di dataset di benchmark pubblici per l'analisi di mediazione come barriera a una più ampia validazione empirica.