Resumo Técnico: Análise de Mediação Causal Multiplamente Robusta com Tratamentos Contínuos

1. Definição do Problema

A análise de mediação causal visa decompor o efeito total de um tratamento sobre um desfecho em efeitos diretos naturais (NDE) e efeitos indiretos naturais (NIE) mediados por uma variável intermediária. Embora existam estimadores multiplamente robustos para tratamentos binários (Tchetgen Tchetgen e Shpitser, 2012), eles não são prontamente aplicáveis a tratamentos contínuos sem fortes suposições paramétricas.

Em configurações de tratamento contínuo, o parâmetro de interesse, $\psi_0(a, a') = E[Y(a, M(a'))]$, é irregular em modelos não paramétricos. Ao contrário dos tratamentos binários, onde a função de influência depende de funções indicadoras, os tratamentos contínuos requerem a avaliação pontual em valores específicos $a$ e $a'$. Isso leva à ausência de uma função de influência de variância finita e impede as taxas de convergência padrão de raiz-$n$. Os métodos existentes para mediação contínua (ex: Huber et al., 2020) frequentemente carecem de robustez múltipla ou herdam as lentas taxas de convergência dos estimadores de parâmetros de confusão (nuisance).

2. Metodologia

Os autores propõem um estimador suavizado por kernel e multiplamente robusto, inspirado em estratégias baseadas em funções de influência, mas adaptado para tratamentos contínuos.

2.1 Identificação e Estrutura

O método baseia-se em suposições padrão de mediação causal (Consistência, Troca de Exogeneidade Sequencial e Positividade) e na suposição de troca de "mundo cruzado" necessária para identificar efeitos diretos e indiretos naturais. O estimando alvo é identificado via fórmula de mediação:
$$\psi_0(a, a') = \int \int E[Y|A=a, M=m, X=x] f_{M|A,X}(m|a', x) f_X(x) \, dm \, dx$$

2.2 Construção do Estimador

A inovação central é substituir as funções indicadoras da função de influência para tratamento binário por pesos de kernel.

1. Suavização por Kernel: Para valores de tratamento $a$ e $a'$, os autores definem uma função de kernel $K_h(\cdot)$ com largura de banda $h$. A função de influência eficiente é modificada para incluir termos como $K_h(A-a)$, que suaviza a avaliação pontual sobre uma vizinhança de $a$.
2. Funções de Confusão (Nuisance): O estimador utiliza três funções de confusão:
   • $\gamma(X, M, a) = E[Y | A=a, M, X]$ (Regressão de desfecho)
   • $\alpha(a, M, X) = f_{M|A,X}(M | a, X)$ (Densidade do mediador)
   • $\lambda(a, X) = 1/f_{A|X}(a | X)$ (Densidade inversa do tratamento)
   • Nota: Os autores discutem parametrizações alternativas usando razões de densidade de tratamento para evitar a estimativa explícita da densidade do mediador, embora a formulação principal utilize a razão de densidade.
3. Cross-Fitting: Para relaxar os requisitos de suavidade das funções de confusão e permitir taxas de convergência mais lentas, os autores empregam uma estratégia de cross-fitting (Chernozhukov et al., 2018). A amostra é dividida em dobras (folds); as funções de confusão são estimadas em um conjunto de dobras e aplicadas aos outros para calcular a equação de estimação.
4. Estimador Final: O estimador proposto $\hat{\psi}_{MR}(a, a')$ é a média das soluções específicas de cada dobra para a equação de estimação derivada da função de influência suavizada.

2.3 Regularidade e Convergência

O método exige condições específicas sobre o kernel (Assunção 2) e as taxas de convergência dos estimadores de confusão (Assunções 4 e 5). Crucialmente, o método depende de condições de taxa de produto: o produto dos erros de dois estimadores de confusão deve convergir a uma taxa mais rápida que $(nh^{d_A})^{-1/2}$, onde $d_A$ é a dimensão do tratamento. Isso permite que um estimador de confusão converja lentamente se o outro convergir suficientemente rápido, preservando a propriedade de "multiplamente robusto".

3. Principais Contribuições

• Extensão para Tratamentos Contínuos: O artigo estende o framework de mediação baseado em função de influência de tratamentos binários para contínuos, abordando a irregularidade de funcionais pontuais.
• Robustez Múltipla: O estimador proposto retém a propriedade de robustez múltipla: permanece consistente se quaisquer dois dos três modelos de confusão (desfecho, densidade do mediador, densidade do tratamento) forem corretamente especificados.
• Taxas de Confusão Mais Lentas: Ao utilizar cross-fitting e suavização por kernel, o método permite que os parâmetros de confusão sejam estimados em taxas mais lentas que o parâmetro alvo, acomodando estimadores de aprendizado de máquina flexíveis.
• Normalidade Assintótica: Os autores estabelecem que o estimador é assintoticamente normal com uma taxa de convergência de $(nh^{d_A})^{-1/2}$, que é mais lenta que a taxa padrão de raiz-$n$ devido à natureza local da suavização por kernel.
• Implementação Prática: O artigo fornece um framework para construir intervalos de confiança, lidar com viés via sub-suavização (undersmoothing) ou análise de sensibilidade, e estabilizar pesos usando estimadores do tipo Hájek ou clipping.

4. Resultados

4.1 Estudo de Simulação

• Consistência e Robustez: Simulações com tamanhos de amostra $n=2000, 5000, 8000$ demonstram que o estimador é consistente e exibe viés mínimo quando pelo menos dois modelos de confusão são corretamente especificados.
• Comparação: O estimador proposto ($\hat{\psi}_{MR}$) supera um estimador ponderado pelo escore de propensão generalizado ($\hat{\psi}_H$) e um estimador apenas de regressão ($\hat{\psi}_\eta$) em cenários de erro de especificação de modelo, mostrando particularmente menor viés e RMSE quando o modelo de desfecho é mal especificado.
• Sensibilidade: O desempenho do estimador degrada em regiões de baixa sobreposição de tratamento (caudas da distribuição), como esperado para métodos baseados em kernel. As probabilidades de cobertura são mantidas próximas a 95% ao usar larguras de banda sub-suavizadas, embora o viés aumente com larguras de banda maiores.

4.2 Aplicação: Estudo Job Corps

O método foi aplicado para estudar o efeito da duração do treinamento do Job Corps (tratamento contínuo) sobre prisões criminais (desfecho), mediado por semanas de emprego.

• Achados: A análise sugere que treinamentos mais longos reduzem as prisões criminais.
  • Sob modelos de confusão paramétricos (M1), houve evidência de um efeito indireto natural negativo (através do emprego) e um efeito direto natural negativo.
  • Sob modelos de confusão flexíveis baseados em RKHS (M2), o sinal do efeito indireto foi atenuado (mais próximo de zero), enquanto o efeito direto permaneceu negativo, porém com intervalos de confiança mais amplos.
• Sensibilidade: Os resultados foram geralmente robustos a variações na largura de banda e nos limiares de clipping de peso, embora a magnitude dos efeitos tenha variado. A análise destacou a importância de verificar a sobreposição e os tamanhos de amostra efetivos em configurações de tratamento contínuo.

5. Significância e Alegações

O artigo afirma fornecer um framework rigoroso para análise de mediação causal em contextos onde os tratamentos são contínuos, um cenário comum em estudos de dosagem, duração e intensidade.

• Contribuição Teórica: Aborda o desafio teórico de funcionais irregulares em modelos de tratamento contínuo não paramétricos, introduzando uma função de influência suavizada por kernel que alcança normalidade assintótica e robustez múltipla.
• Utilidade Prática: O método permite que pesquisadores estimem superfícies de mediação sem depender de fortes suposições paramétricas sobre a curva de resposta à dose, enquanto ainda acomoda funções de confusão complexas via aprendizado de máquina.
• Limitações Reconhecidas: Os autores notam modestamente que o método está sujeito à "maldição da dimensionalidade" em relação à variável de tratamento; é mais prático para tratamentos contínuos escalares ou de baixa dimensão. Eles também enfatizam que, embora o cross-fitting lide com o erro de estimativa de confusão, ele não resolve a falta fundamental de suporte de dados em regiões de baixa densidade da distribuição do tratamento, necessitando de diagnósticos cuidadosos e análises de sensibilidade.

O trabalho não pretende resolver todos os desafios da mediação contínua (ex: mediadores de alta dimensão ou estimativa de curva totalmente adaptativa sem grades pré-especificadas são deixados para trabalhos futuros), mas estabelece uma abordagem fundamental e multiplamente robusta para estimativa pontual.