Resumo Técnico: Regularização Direcionada para Estimativa de Efeito Causal com Resultados da Família de Dispersão Exponencial

1. Formulação do Problema

A estimativa de efeitos causais a partir de dados observacionais utilizando Redes Neurais (NNs) demonstrou forte desempenho empírico, contudo, alcançar propriedades semiparamétricas desejáveis — especificamente dupla robustez e taxas de convergência rápidas — permanece desafiador. Estimadores baseados em NNs existentes, como aqueles que utilizam Estimativa de Máxima Verossimilhança Direcionada (TMLE) ou Regularização Direcionada (por exemplo, Shi et al., 2019; Nie et al., 2021), estão amplamente limitados a resultados contínuos assumindo uma distribuição Gaussiana.

Essa limitação restringe a aplicabilidade a cenários do mundo real envolvendo resultados binários (por exemplo, decisões de compra), resultados de contagem (por exemplo, número de cliques) ou outras distribuições assimétricas comuns na prática. Embora trabalhos anteriores (Gao and Hastie, 2022) tenham abordado resultados da família exponencial usando a Diferença nos Parâmetros Naturais (DINA) dentro de uma estrutura de aprendizado R parcialmente linear, eles não estenderam o paradigma de regularização direcionada para NNs nessas distribuições. Consequentemente, há uma falta de estimadores baseados em NNs que possam corrigir o viés de primeira ordem no nível distribucional para resultados da Família de Dispersão Exponencial (EDF) enquanto mantêm garantias teóricas.

O artigo visa estimar a Função Canônica de Dose Média (ADCF), definida como $\psi_a = \theta[\text{do}(A=a)]$, onde $\theta$ é o parâmetro canônico (natural) da EDF. Essa escolha alinha-se com práticas padrão para comparar efeitos na escala canônica e evita questões de heterogeneidade frequentemente encontradas em médias condicionais.

2. Metodologia

O framework proposto unifica a regularização direcionada para resultados EDF tanto em configurações de tratamento discretas (binárias) quanto contínuas. A metodologia procede através de três principais etapas teóricas e algorítmicas:

A. Análise Semiparamétrica e Caracterização do Viés

Os autores derivam primeiro a expansão de von Mises do estimador de plug-in para a ADCF para identificar a estrutura do viés de primeira ordem.

• Tratamentos Discretos: Para tratamentos binários, eles derivam a expansão mostrando que o viés consiste em um termo de resto de segunda ordem envolvendo o produto dos erros de estimação para o modelo de resultado ($\mu$) e o escore de propensão ($\pi$). Essa estrutura de produto implica que, se qualquer um dos modelos for estimado consistentemente, o viés desaparece (a propriedade de dupla robustez).
• Tratamentos Contínuos: Para tratamentos contínuos, a ADCF pontual não é diferenciável ao longo do caminho, tornando as funções de influência padrão indefinidas. Para superar isso, os autores introduzem uma ADCF projetada em peneira. Eles projetam a curva de resposta à dose de dimensão infinita em um espaço de peneira de B-splines de dimensão finita. Essa projeção restaura a diferenciabilidade ao longo do caminho, permitindo uma função de influência bem definida e uma expansão de von Mises válida para a curva projetada.

B. Regularização Direcionada Unificada

Aproveitando a estrutura de viés revelada pela expansão de von Mises, os autores constroem um objetivo de regularização direcionada unificado.

• Modelo de Flutuação: Em vez de adicionar um termo de correção post-hoc (o que pode empurrar as estimativas para fora do espaço de parâmetros), o método introduz uma função de perturbação escalar $\epsilon(a)$ ao parâmetro canônico. O parâmetro flutuado é definido como:
  $$\hat{\theta}^*(x, a) = h(\hat{\mu}(x, a)) + \frac{\epsilon(a)}{\hat{\pi}(a|x)} h'(\hat{\mu}(x, a))$$
  onde $h$ é a função de ligação e $h'$ é sua derivada.
• Função de Perda: O método integra essa flutuação ao treinamento da NN através de uma função de perda unificada:
  $$L_{TR}(\mu, \pi, \epsilon) = L(\mu, \pi) + \beta R(\mu, \pi, \epsilon)$$
  Aqui, $L(\mu, \pi)$ é a verossimilhança negativa padrão para a EDF, e $R$ é o termo de regularização direcionada derivado da verossimilhança negativa do modelo flutuado. O termo $R$ é construído de modo que sua derivada em relação a $\epsilon$ seja igual à equação de escore, efetivamente zerando o termo de viés na convergência.
• Implementação: O parâmetro de flutuação $\epsilon(a)$ é parametrizado usando a mesma base de B-splines utilizada para a projeção em peneira em tratamentos contínuos, garantindo consistência entre o alvo teórico e a otimização.

C. Garantias Teóricas

O artigo prova que o estimador baseado em NN resultante alcança uma taxa de convergência de dupla robustez na norma $L_2$. Especificamente, o erro é limitado por:
$$O_p\left(n^{-1/3}\sqrt{\log n} + r_1(n)r_2(n) + r_2(n)^2\right)$$
onde $r_1(n)$ e $r_2(n)$ são as taxas de convergência dos estimadores de escore de propensão e de resultado, respectivamente. Isso estende as garantias teóricas de Nie et al. (2021) de resultados Gaussianos para toda a Família de Dispersão Exponencial.

3. Contribuições Principais

1. Análise Semiparamétrica da ADCF: Os autores derivam a expansão de von Mises para a ADCF de resultados EDF. Para tratamentos contínuos, eles introduzem a ADCF projetada em peneira para lidar com a não diferenciabilidade ao longo do caminho do funcional pontual, estabelecendo uma função de influência bem definida.
2. Regularização Direcionada Unificada: Eles propõem um objetivo de regularização unificado que corrige o viés no nível distribucional para qualquer membro da EDF. Isso permite que a NN aprenda conjuntamente o modelo de resultado, o escore de propensão e o parâmetro de flutuação de ponta a ponta, permanecendo dentro do espaço de parâmetros.
3. Extensão Teórica: O trabalho fornece uma prova de taxa de convergência de dupla robustez, generalizando resultados anteriores de distribuições Gaussianas para a classe mais ampla de EDFs (incluindo Bernoulli e Poisson).
4. Validação Empírica: O método é validado em conjuntos de dados sintéticos e semissintéticos (News, TCGA) com tratamentos binários e contínuos, demonstrando desempenho de última geração em configurações de resultados Bernoulli e Poisson.

4. Resultados Experimentais

Os autores avaliaram seu método contra várias linhas de base, incluindo Causal Forest, Dragonnet (e sua versão adaptada para resultados não Gaussianos), VCNet, DINA-learner e um estimador de Dupla Robustez (DR) padrão.

• Tratamento Binário: Em conjuntos de dados com resultados Bernoulli e Poisson, o método proposto ("Ours") alcançou o menor Erro Absoluto Médio (MAE) para o Efeito Médio de Tratamento (ATE), superando Dragonnet, VCNet e o estimador DR padrão. Notavelmente, o estimador DR foi encontrado menos estável em amostras finitas devido à divisão pelo escore de propensão no termo de correção.
• Tratamento Contínuo: Para tratamentos contínuos, o método alcançou o menor Erro Quadrático Médio Médio (AMSE) para a ADCF. Os resultados confirmaram que simplesmente adaptar a função de perda de modelos existentes (por exemplo, substituir MSE por verossimilhança negativa) é insuficiente; o mecanismo específico de regularização direcionada é crucial para o desempenho.
• Análise de Sensibilidade: O hiperparâmetro $\beta$, que controla a força da regularização, mostrou ter um impacto moderado; valores muito pequenos falham em corrigir o viés, enquanto valores muito grandes interferem na estimação da função de incômodo.

5. Significado e Alegações

O artigo alega abordar uma lacuna crítica na inferência causal com aprendizado profundo: a incapacidade de frameworks de regularização direcionada existentes de lidar com resultados não Gaussianos e assimétricos comuns em aplicações do mundo real (como taxas de conversão binárias ou dados de contagem).

Ao derivar as expansões semiparamétricas necessárias e construir uma função de perda unificada, os autores demonstram que a regularização direcionada pode ser generalizada com sucesso para a Família de Dispersão Exponencial. O significado deste trabalho reside em:

• Rigor Teórico: Fornecer a primeira derivação da expansão de von Mises e da função de influência para resultados EDF sob tratamentos discretos e contínuos, permitindo a construção de estimadores de dupla robustez.
• Aplicabilidade Prática: Oferecer uma arquitetura de NN de ponta a ponta que lida com resultados binários e de contagem sem depender das suposições parcialmente lineares restritivas de métodos anteriores (como o DINA-learner).
• Robustez: Alcançar taxas de convergência mais rápidas do que os estimadores de incômodo individuais quando ambos são consistentes, mantendo estabilidade dentro do espaço de parâmetros, ao contrário de métodos de correção de viés aditiva.

Os autores concluem que seu framework estende as garantias teóricas da regularização direcionada funcional para uma classe muito mais ampla de distribuições de resultados, verificado por resultados empíricos de última geração.