Sintesi Tecnica: Inferenza Causale in Ambienti Sequenziali sotto Interferenza e Confondimento Latente

Definizione del Problema

Questo lavoro affronta la sfida dell'inferenza causale in contesti osservativi sequenziali in cui l'Assunzione di Valore di Trattamento di Unità Stabile (SUTVA) è violata a causa dell'interferenza sugli esiti e della presenza di confondimento latente.

In molti scenari del mondo reale, come la diffusione di malattie infettive o l'adozione di vaccini, l'esito di un'unità (ad esempio, un individuo o una contea) dipende non solo dal proprio trattamento e dalle proprie caratteristiche, ma anche dagli esiti, dai trattamenti e dalle caratteristiche di altre unità della popolazione. Inoltre, queste relazioni sono spesso osservate nel tempo, introducendo dipendenze temporali. La letteratura esistente tratta tipicamente l'interferenza o i contesti sequenziali separatamente, oppure assume che i confonditori siano osservati. Questo articolo affronta il complesso scenario in cui:

1. Interferenza: Gli esiti sono interdipendenti tra le unità (dipendenza spaziale).
2. Sequenzialità: Gli esiti evolvono nel tempo con dipendenze tra passi temporali adiacenti.
3. Confondimento Latente: Variabili non osservate influenzano sia i trattamenti che gli esiti, modellate con una struttura a basso rango simile ai modelli a fattori di dati panel.
4. Scarsità di Dati: I dati disponibili sono un singolo campione (una singola realizzazione) di questa distribuzione congiunta ad alta dimensionalità di $N$ unità su $T$ passi temporali.

L'obiettivo è stimare quantità causali di interesse, specificamente l'Effetto del Trattamento Generalizzato (GTE), che confronta gli esiti medi sotto due arbitrari schemi di intervento, nonostante si disponga di una sola traiettoria osservata.

Metodologia

Formulazione del Modello

Gli autori modellano il sistema come un processo Markoviano su $T$ passi temporali per $N$ unità. L'esito binario $x_i^{(t)} \in \{-1, 1\}$ per l'unità $i$ al tempo $t$ è governato da un modello di Ising condizionato sul precedente passo temporale degli esiti, sugli interventi correnti e sui confonditori latenti.

La distribuzione di probabilità è definita come:
$$p(x | z) = \prod_{t=1}^T p(x^{(t)} | z^{(t)}, x^{(t-1)})$$
dove la probabilità condizionata è proporzionale a:
$$\exp\left( \sum_{i=1}^N \alpha_i^{(t)} x_i^{(t)} + \beta \sum_{i=1}^N x_i^{(t)} z_i^{(t)} + \xi \sum_{i \neq j} \gamma_{ij} x_i^{(t)} x_j^{(t)} + \eta \sum_{i=1}^N x_i^{(t)} x_i^{(t-1)} \right)$$

I parametri chiave includono:

• $\alpha_i^{(t)}$: Confonditori latenti (campo esterno).
• $\beta$: Effetto diretto del trattamento.
• $\xi$: Forza dell'interferenza spaziale (matrice di interazione $\Gamma$).
• $\eta$: Forza della dipendenza temporale.

Assunzioni Chiave:

1. Struttura Latente a Basso Rango: La matrice dei confonditori latenti $A = \{\alpha_i^{(t)}\}$ ha rango $k \ll N, T$, esprimibile come $A = UV^\top$.
2. Interazione Limitata: La forza di interazione soddisfa la condizione di unicità di Dobrushin ($\|\xi^* \Gamma\|_\infty < 1$), garantendo il decadimento della correlazione e un'inferenza efficiente.
3. Eccitabilità degli Interventi: La matrice di intervento $Z$ non è perfettamente collinear con i confonditori latenti, garantendo l'identificabilità dell'effetto del trattamento $\beta$.

Algoritmo di Apprendimento: MPLE Sequenziale

Per apprendere i parametri $\theta = (A, \beta, \xi, \eta)$ da un singolo campione, gli autori propongono un approccio di Stima della Pseudo-Verosimiglianza Massima Sequenziale (Sequential MPLE).

• Obiettivo: Minimizzare la pseudo-verosimiglianza negativa:
  $$\hat{\theta} \in \arg\min_{\theta \in \Theta} -\sum_{t=1}^T \sum_{i=1}^N \log p_\theta(x_i^{(t)} | x_{-i}^{(t)}, z_i^{(t)}, x_i^{(t-1)})$$
• Ottimizzazione: L'obiettivo è convesso in $\theta$ se $A$ fosse fisso, ma il vincolo di basso rango su $A$ rende il problema non convesso. Gli autori parametrizzano $A = UV^\top$ e utilizzano la minimizzazione alternata (fissando $U$ per aggiornare $V$, e viceversa) con regolarizzazione.
• Inferenza: Una volta stimati i parametri, le quantità causali (GTE) sono stimate campionando dal modello appreso tramite Campionamento di Gibbs Sequenziale. Grazie alla condizione di Dobrushin, il campionatore mescola rapidamente, consentendo un calcolo efficiente delle aspettative controfattuali.

Contributi Chiave

1. Modello Unificato: Il documento introduce un modello che cattura simultaneamente la dinamica sequenziale, l'interferenza di rete (interferenza sugli esiti) e il confondimento latente a basso rango.
2. Stima Computazionalmente Efficiente: Fornisce un metodo computazionalmente trattabile (Sequential MPLE) per apprendere i parametri di un modello ad alta dimensionalità da una singola osservazione della distribuzione congiunta.
3. Garanzie Non-Asintotiche:
   • Stima dei Parametri: Il Teorema 1 stabilisce la coerenza non-asintotica per la stima dei parametri. Il limite di errore scala come $O\left(\frac{k(N+T)\log T}{T\|\Gamma\|_F^2}\right)$, mostrando che la dimensione effettiva del campione è guidata dalla forza di interazione e dal numero di passi temporali.
   • Stima Causale: Il Teorema 2 e la Corollario 2 mostrano che l'errore nella stima dell'Effetto del Trattamento Generalizzato (GTE) è limitato dall'errore di stima dei parametri. Ciò si basa sulle proprietà di decadimento della correlazione sotto la condizione di Dobrushin, assicurando che gli errori di stima locali non si propagino spazialmente o temporalmente per corrompere la stima causale globale.
4. Validazione Empirica: Il metodo è validato su dati sintetici e su un caso di studio reale riguardante i tassi di vaccinazione e i tassi di mortalità per COVID-19 nelle contee degli Stati Uniti.

Risultati

Esperimenti Sintetici

In scenari sintetici con $N=500$ e $T=50$, il metodo proposto ($\hat{\theta}$) supera significativamente i baseline che ignorano l'interferenza ($\hat{\theta}_{\xi=0}$) o il confondimento latente ($\hat{\theta}_{A=0}$).

• Recupero dei Parametri: Il metodo recupera accuratamente l'effetto del trattamento $\beta$, la forza di interazione $\xi$ e la forza temporale $\eta$.
• Accuratezza Causale: L'errore assoluto stimato per il GTE è migliorato di circa il 92% rispetto al baseline senza interferenza e del 91% rispetto al baseline senza confondimento latente.
• Robustezza: Il metodo ha recuperato con successo i parametri anche quando la condizione teorica di Dobrushin era leggermente violata ($|\xi^*| + |\eta^*| > 1$), suggerendo una robustezza pratica.

Caso di Studio Reale: COVID-19

Gli autori hanno applicato il modello ai dati a livello di contea negli USA (marzo 2020 – maggio 2022) per stimare l'effetto causale della vaccinazione sui tassi di mortalità.

• Configurazione: Gli esiti erano indicatori binari di alti tassi di mortalità; gli interventi erano indicatori binari di tassi di vaccinazione superiori al 30%.
• Validazione Ibrida: Per affrontare potenziali violazioni delle assunzioni di identificabilità nei dati reali, sono stati condotti "esperimenti ibridi" in cui è stato utilizzato il reale schema di intervento, ma gli esiti sono stati generati dal modello. Il metodo ha identificato con successo i parametri in questo contesto.
• Recupero del Test Set: Il modello è stato addestrato su un sottoinsieme di dati e testato su un test set tenuto da parte, costruito rispettando le dipendenze spazio-temporali. Il modello ha ottenuto un basso errore assoluto (0,015 sul test set), comparabile al caso ibrido, dimostrando la sua espressività.
• Risultati Causali:
  • Modellare l'interferenza ha prodotto un effetto causale della vaccinazione stimato maggiore rispetto al modello senza interferenza.
    za l'effetto della vaccinazione rispetto al modello senza interferenza.
  • Sotto il controfattuale "nessun intervento", il modello ha previsto esiti peggiori rispetto a quelli osservati inizialmente, mentre il controfattuale "tutti gli interventi" ha previsto esiti migliori, convergendo con l'aumento dei tassi di vaccinazione.
  • Il modello di interferenza ha catturato gli effetti di "spill-over" dove la vaccinazione in un'area beneficia altre aree, una sfumatura mancata dai modelli standard.

Significato e Rivendicazioni

Il documento sostiene di offrire un quadro provabile per l'inferenza causale in un contesto in cui coesistono tre grandi complessità: interferenza di rete, dipendenze intertemporali e confondimento latente.

• Contributo Teorico: Estende la letteratura sull'apprendimento di distribuzioni ad alta dimensionalità da singoli campioni (precedentemente limitata a contesti non sequenziali o non confusi) al caso sequenziale con variabili latenti. Fornisce le prime garanzie non-asintotiche per la stima causale in questo specifico e altamente complesso regime.
• Utilità Pratica: Dimostrando l'efficacia su un problema di salute pubblica reale (COVID-19), gli autori sostengono che il loro metodo possa informare le decisioni politiche fornendo stime più accurate degli effetti del trattamento in presenza di interferenza e confonditori non osservati.
• Limitazioni: Gli autori riconoscono con modestia che le loro garanzie teoriche si basano sulla condizione di unicità di Dobrushin, che potrebbe non valere in tutti gli scenari reali con forte interferenza. Notano che, sebbene il loro metodo abbia performato bene negli esperimenti, la comprensione delle prestazioni in regimi che violano tale condizione rimane un'area aperta.

In sintesi, questo lavoro colma il divario tra l'inferenza causale teorica e i complessi dati sequenziali del mondo reale, fornendo un metodo che è sia computazionalmente efficiente che teoricamente fondato per stimare gli effetti causali sotto interferenza e confondimento latente.