Bayesian Nonparametrics for Principal Stratification with Continuous Post-Treatment Variables

1. Problema e Contexto

A Estratificação Principal (Principal Stratification) é um quadro de inferência causal desenvolvido por Frangakis e Rubin (2002) para estimar efeitos causais na presença de variáveis pós-tratamento (variáveis intermediárias). O objetivo é agrupar unidades em "estratos principais" baseados nos valores potenciais da variável intermediária sob diferentes níveis de tratamento.

• O Desafio: A literatura existente foca predominantemente em variáveis pós-tratamento binárias, onde o número de estratos é limitado (máximo de quatro), facilitando a interpretação. No entanto, quando a variável pós-tratamento é contínua, o quadro teórico induz uma coleção potencialmente infinita de estratos principais.
• Limitações das Abordagens Atuais:
  • Dicotomização: Transformar a variável contínua em binária (ex: acima/abaixo de um limiar) é comum, mas a escolha do limiar é frequentemente arbitrária e pode enviesar as conclusões.
  • Modelos Paramétricos/Semiparamétricos: Exigem suposições estruturais rígidas sobre a distribuição dos dados.
  • Falta de Identificação: É difícil identificar e caracterizar estratos significativos (especificamente o "estrato dissociativo", onde o tratamento não afeta a variável intermediária) sem impor critérios externos rígidos.

2. Metodologia: O Modelo CASBAH

Os autores propõem o CASBAH (Confounders-Aware SHared-atoms BAyesian mixture), uma nova abordagem baseada em Bayesianos Não Paramétricos para lidar com tratamentos binários e variáveis pós-tratamento contínuas.

• Base Teórica: O modelo utiliza um Processo de Dirichlet Dependente (Dependent Dirichlet Process - DDP) com uma estrutura hierárquica inovadora.
• Mecanismo de "Átomos Compartilhados" (Shared Atoms):
  • O modelo assume que as distribuições das variáveis pós-tratamento potenciais ($P(0)$ e $P(1)$) são misturas infinitas de componentes (átomos).
  • A inovação central é que os átomos são compartilhados entre os dois níveis de tratamento. Isso permite que o modelo identifique a sobreposição entre as distribuições potenciais de forma endógena.
  • Um indivíduo pertence ao estrato dissociativo se o átomo que gera $P(0)$ for o mesmo que gera $P(1)$ (ou seja, $S_i^{(0)} = S_i^{(1)}$).
• Ajuste para Confundidores: O modelo incorpora covariáveis observadas diretamente nos pesos da mistura (através de um processo de stick-breaking baseado em probit), permitindo um ajuste flexível para confundimento medido sem assumir uma forma funcional rígida para a distribuição da variável intermediária.
• Inferência:
  • Utiliza amostragem Gibbs para inferência posterior.
  • O modelo imputa simultaneamente as variáveis pós-tratamento e os resultados primários ausentes (contrafactuais).
  • Fornece uma quantificação completa da incerteza sobre a pertença ao estrato e os efeitos causais.

3. Principais Contribuições

1. Identificação Adaptativa de Estratos: Diferente de métodos anteriores que exigem limiares fixos ou dicotomização, o CASBAH identifica os estratos (associativos positivos, negativos e dissociativos) de forma adaptativa aos dados, baseando-se na estrutura de mistura compartilhada.
2. Probabilidade A Priori Não Nula para Estratos Dissociativos: O modelo garante, de forma probabilisticamente coerente, que existe uma probabilidade não nula de um indivíduo pertencer ao estrato dissociativo, dependendo de suas covariáveis. Isso evita a exclusão determinística ou a imposição artificial desse grupo.
3. Quantificação de Incerteza: Oferece uma estimativa robusta da incerteza na classificação dos estratos e nos efeitos causais principais, propagando a incerteza da imputação de dados faltantes até a estimativa final.
4. Flexibilidade: Permite o ajuste para confundidores medidos dentro de uma especificação totalmente não paramétrica para a distribuição da resposta intermediária.

4. Resultados

Estudo de Simulação

Os autores realizaram simulações de Monte Carlo comparando o CASBAH com modelos existentes (Schwartz et al., 2011; Lu et al., 2023) sob cinco cenários de geração de dados.

• Imputação de Dados: O CASBAH demonstrou viés mediano próximo de zero na imputação das variáveis pós-tratamento e resultados ausentes, superando significativamente os concorrentes.
• Identificação de Estratos: O Índice de Rand Ajustado (ARI) foi extremamente alto (próximo de 1.0), indicando que o modelo recuperou com precisão a estrutura verdadeira dos estratos.
• Estimação de Efeitos Causais: O CASBAH forneceu estimativas precisas dos efeitos causais principais ($\tau_0, \tau_+, \tau_-$), enquanto os modelos concorrentes apresentaram vieses substanciais e falharam em identificar corretamente a estrutura dos estratos.

Estudo de Caso: Políticas de Qualidade do Ar (NAAQS)

O modelo foi aplicado para avaliar o impacto da revisão de 2005 dos Padrões Nacionais de Qualidade do Ar Ambiente (NAAQS) nos EUA sobre os níveis de $PM_{2.5}$ e taxas de mortalidade.

• Dados: 384 condados no leste dos EUA (2000-2016).
• Resultados da Estratificação:
  • Estrato Dissociativo (32%): Condados onde a regulamentação não alterou significativamente os níveis de $PM_{2.5}$.
  • Estrato Associativo Negativo (56%): Condados onde a regulamentação reduziu efetivamente a poluição.
  • Estrato Associativo Positivo (12%): Condados onde a regulamentação foi associada a um aumento na poluição.
• Efeitos Causais:
  • A redução na mortalidade foi significativa apenas no estrato associativo negativo (onde a poluição diminuiu), com uma redução mediana de 8,12 por mil.
  • Nos estratos dissociativo e associativo positivo, não houve efeito significativo na mortalidade, destacando que o benefício à saúde depende da eficácia da redução da poluição (mecanismo causal).
• Caracterização: O modelo permitiu caracterizar os perfis demográficos e socioeconômicos de cada estrato (ex: condados rurais vs. urbanos), revelando heterogeneidade no impacto das políticas.

5. Significado e Conclusão

O artigo representa um avanço metodológico significativo na inferência causal. Ao tratar a variável pós-tratamento contínua sem dicotomização arbitrária, o CASBAH resolve um problema fundamental na estratificação principal: a identificação de subgrupos latentes onde o tratamento não tem efeito sobre o mecanismo intermediário.

A abordagem permite que pesquisadores:

1. Descubram mecanismos causais heterogêneos de forma mais fiel à realidade dos dados.
2. Evitem conclusões enviesadas decorrentes de escolhas de limiares subjetivos.
3. Quantifiquem a incerteza inerente à classificação de unidades em estratos.

A aplicação em políticas públicas demonstra a utilidade prática do método para avaliar não apenas se uma política funciona, mas para quem e sob quais condições ela gera efeitos causais reais, separando o efeito do tratamento do efeito do mecanismo intermediário.