Resumo Técnico: Inferência de Microfundamentos para Predição Estratégica

1. Definição do Problema

O artigo aborda o desafio da predição performativa, um cenário onde um modelo preditivo $\theta$ influencia a distribuição da variável alvo porque os stakeholders (agentes) tomam ações estratégicas para maximizar sua utilidade em resposta ao modelo. Esse fenômeno, frequentemente descrito pela Lei de Campbell, cria um deslocamento de distribuição onde a distribuição dos dados $Q_\theta$ é uma função do preditor $\theta$.

Um gargalo crítico na aplicação da teoria da predição performativa é o mecanismo desconhecido desse deslocamento de distribuição. As abordagens existentes geralmente se dividem em duas categorias, ambas com limitações significativas:

1. Otimização de ordem zero: Trata o problema como uma otimização livre de derivadas (ex: usando diferenças finitas). Isso sofre de convergência lenta e da maldição da dimensionalidade porque não modela explicitamente o mapa de distribuição $\theta \mapsto Q_\theta$.
2. Modelagem de microfundamentos: Assume que os agentes seguem um modelo de resposta específico (ex: maximização de utilidade com ajuste de custo). Embora isso permita algoritmos de otimização mais rápidos ao fornecer acesso de "caixa branca" ao mapa de distribuição, esses modelos são frequentemente mal especificados. Se a função de custo do agente assumida estiver incorreta, o mapa de distribuição resultante será errôneo, levando a preditores subótimos ou inconsistentes.

Os autores propõem uma metodologia para inferir o microfundamento das respostas dos agentes diretamente dos dados. Especificamente, eles visam aprender a função de custo $c$ desconhecida que governa como os agentes modificam seus atributos $Z$ em resposta a um modelo $\theta$, assumindo que a função de benefício $B_\theta$ é conhecida.

2. Metodologia

2.1 Modelo de Resposta do Agente

Os autores adotam o padrão de predição performativa onde os agentes são racionais. Ao serem expostos a um modelo $\theta$, um agente com atributos $Z$ atualiza-se para $Z'$ resolvendo:
$$T_\theta(Z) \in \arg\max_{z' \in \mathcal{Z}} \{ B_\theta(z') - c(Z, z') \}$$
Aqui, $B_\theta$ é o benefício conhecido (ex: a saída do modelo) e $c$ é o custo desconhecido de mudar atributos. A distribuição resultante é a medida de push-forward $Q_\theta = (T_\theta)_\# P$, onde $P$ é a distribuição pré-modelo (ex-ante).

2.2 Identificabilidade e Divergências de Bregman

Os autores observam que estimar uma função de custo bivariada geral $c(z, z')$ é impossível com amostras finitas de um número finito de distribuições. Para resolver isso, eles restringem a função de custo à classe das divergências de Bregman:
$$c_\phi(z, z') = \phi(z') - \phi(z) - \nabla\phi(z)^\top(z' - z)$$
onde $\phi$ é uma função potencial estritamente convexa. Isso reduz o problema de estimação de uma função bivariada complexa para a estimação da função potencial escalar $\phi(z)$, mitigando problemas de identificabilidade.

2.3 Estimação de Transporte Ótimo

O núcleo do método proposto utiliza o Transporte Ótimo (OT) para alinhar distribuições. Com base na condição de otimalidade de primeira ordem do problema de maximização do agente, os autores derivam que para o potencial verdadeiro $\phi^*$:
$$(\nabla\phi^* - \nabla B_\theta)_\# Q_\theta = (\nabla\phi^*)_\# P$$
Isso implica que o push-forward da distribuição ex-pós $Q_\theta$ sob o mapa $(\nabla\phi^* - \nabla B_\theta)$ é idêntico ao push-forward da distribuição ex-ante $P$ sob $\nabla\phi^*$.

Os autores propõem estimar $\phi$ encontrando uma distribuição "baricentro" $\mu$ que minimiza a soma das distâncias de Wasserstein quadráticas para essas distribuições de push-forward. O problema de otimização é:
$$\arg\min_{\phi \in \Phi_{cvx}} \min_{\mu \in \Delta(\mathcal{Z})} \left[ W_2^2(\mu, (\nabla\phi)_\# P) + \sum_{k=1}^m W_2^2(\mu, (\nabla\phi - \nabla B_{\theta_k})_\# Q_{\theta_k}) \right]$$
Isso é resolvido via um algoritmo de descida de coordenada em blocos (Algoritmo 1), alternando entre a atualização do baricentro $\mu$ e do potencial $\phi$.

2.4 Cenários

O método é aplicável em dois cenários:

1. Ex-ante e Ex-pós: O aprendiz tem amostras tanto da distribuição pré-implantação $P$ quanto de múltiplas distribuições pós-implantação $Q_{\theta_k}$.
2. Apenas Ex-pós: O aprendiz tem acesso apenas às distribuições pós-implantação $Q_{\theta_k}$, estimando $\phi$ ao alinhar os push-forwards dessas distribuições sob diferentes $\theta_k$.

3. Principais Contribuições

1. Método de Estimação: Um novo método para estimar a função de custo (dentro da classe das divergências de Bregman) de um modelo de microfundamento de maximização de utilidade. O método baseia-se no pareamento de distribuições pré-modelo e pós-modelo usando transporte ótimo.
2. Análise Teórica:
   • Identificabilidade: Os autores fornecem condições sob as quais a função de custo é identificável a partir dos dados (ex: o Corolário 4.2 mostra a identificabilidade com uma distribuição ex-ante e uma ex-pós se a função de benefício for estritamente côncava).
   • Taxas de Convergência: Eles estabelecem uma taxa de convergência de $O(n^{-2/d})$ para os parâmetros estimados sob suposições de convexidade forte, derivada de resultados de convergência de distância de Wasserstein empírica.
3. Validação Empírica: Experimentos numéricos em um conjunto de dados de pontuação de crédito demonstram a capacidade do método de estimar custos e melhorar tarefas downstream (minimização de risco performativo).

4. Resultados Experimentais

Os autores avaliaram seu método usando uma configuração semi-sintética baseada em um conjunto de dados real de pontuação de crédito (Kaggle), onde os agentes manipulam estrategicamente características para evitar a classificação de inadimplência.

• Robustez à Mal Especificação: Em experimentos onde a função de benefício $B_\theta$ foi mal especificada (ex: assumindo um benefício logarítmico quando a verdade era raiz quadrada), a estimação da derivada do potencial $\phi'$ tornou-se enviesada. No entanto, o mapa de resposta $T_\theta$ permaneceu robusto, e o desempenho preditivo não foi significativamente degradado. Isso sugere que o método pode tolerar erros na especificação da função de benefício.
• Convergência: O erro de estimação para o mapa de resposta $T_\theta$ diminuiu conforme o tamanho da amostra aumentou, consistente com as previsões teóricas.
• Minimização de Risco Performativo: Quando aplicado para minimizar o risco performativo (encontrar o classificador ideal $\theta$), o método proposto convergiu significativamente mais rápido para a solução ótima (Oracle) em comparação com as linhas de base:
  • Gradiente Descendente Repetido (RGD) e Gradiente Descendente Performativo (PerfGD): Esses métodos de ordem zero ou parcialmente especificados mostraram convergência mais lenta e, em alguns casos, falharam em atingir o oracle devido a suposições (ex: gaussianidade no PerfGD) que não se sustentavam.
  • Mínimos Quadrados (LS): Um método de dois passos que assume uma resposta linear.
  • Resultado: O método proposto alcançou um desempenho competitivo, convergindo para o oracle conforme o número de classificadores publicados (tamanho da amostra) aumentava.

5. Significância e Alegações

O artigo afirma que a inferência precisa dos microfundamentos dos agentes é um passo crucial para o deployment de modelos socialmente responsáveis e eficazes em ambientes estratégicos. Ao aprender a função de custo a partir dos dados em vez de assumir um modelo mal especificado, os praticantes podem:

• Utilizar algoritmos de otimização de convergência rápida que exigem conhecimento explícito do mapa de distribuição, evitando a convergência lenta de métodos livres de derivadas.
• Realizar o deployment de modelos com tranquilidade em relação à mal especificação, pois o método é robusto a erros na função de benefício.
• Compreender melhor os impactos de longo prazo dos modelos preditivos sobre as populações, facilitando a aplicação de justiça (fairness) e outras restrições sociais.

Os autores concluem que, embora seu trabalho foque em agentes estratégicos, o problema mais amplo de aprender deslocamentos de distribuição em configurações performativas não estratégicas permanece uma área aberta para pesquisas futuras. O código para a implementação foi disponibilizado publicamente.