Resumo Técnico: Método de Variável Instrumental Distribuicional (DIV)

Declaração do Problema

O artigo aborda o desafio de inferir efeitos causais na presença de confusão não medida (confundidores ocultos $H$) quando experimentos randomizados não estão disponíveis. Embora a abordagem de Variável Instrumental (IV) seja uma ferramenta padrão para tal endogeneidade, os métodos existentes focam tipicamente na estimativa de funcionais específicos do efeito causal, como o efeito causal médio (ex: via Mínimos Quadrados em Dois Estágios, 2SLS) ou efeitos de tratamento em quantis.

Os autores argumentam que resumir efeitos causais em quantidades únicas (como médias) descarta informações valiosas. Em muitas aplicações, compreender a distribuição intervencional completa do resultado $Y$ sob uma intervenção $do$ no tratamento $X$ (denotada por $P_{do(X:=x)}(Y)$) é mais informativo. Além disso, os métodos tradicionais de IV frequentemente falham em configurações "subidentificadas", onde o número de instrumentos é menor que o número de variáveis de tratamento, ou quando a relação entre o instrumento e o tratamento é fraca em termos de médias condicionais, mas forte em termos de momentos distribuicionais de ordem superior.

Metodologia: Variável Instrumental Distribuicional (DIV)

O método Variável Instrumental Distribuicional (DIV) proposto estima a distribuição intervencional completa aproveitando a modelagem generativa dentro de uma estrutura de Modelo Causal Estrutural (SCM).

1. Modelo Causal Estrutural e Formulação Generativa

Os autores assumem que os dados são gerados por um SCM onde:
$$X := g(Z, \eta_X)$$
$$Y := f(X, \eta_Y)$$
Aqui, $Z$ é o instrumento, $X$ é o tratamento, $Y$ é o resultado, e $\eta_X, \eta_Y$ são termos de ruído correlacionados devido à confusão oculta. Ao contrário dos métodos de IV lineares clássicos, o DIV permite funções $g$ e $f$ gerais não lineares e não assume ruído aditivo.

Para capturar a correlação entre $\eta_X$ e $\eta_Y$, o DIV modela os termos de ruído como funções de variáveis Gaussianas padrão independentes e um componente de ruído latente compartilhado:
$$\eta_X = h_X(\varepsilon_X, \varepsilon_H)$$
$$\eta_Y = h_Y(\varepsilon_Y, \varepsilon_H)$$
onde $\varepsilon_X, \varepsilon_Y, \varepsilon_H$ são Gaussianas padrão independentes. Isso resulta em um modelo generativo conjunto para $(X, Y)$ dado $Z$.

2. Estimativa via Energy Score

O núcleo do método DIV é o ajuste da distribuição condicional conjunta $P(X, Y | Z)$ usando Engression (Shen e Meinshausen, 2024). Os parâmetros do modelo (redes neurais para $g, f, h_X, h_Y$) são otimizados para minimizar o esperado negativo energy score, uma regra de pontuação estritamente própria para distribuições multivariadas.

O objetivo populacional é:
$$(g^*, f^*, h_X^*, h_Y^*) \in \arg \min_{f,g,h_X,h_Y} \mathbb{E} \left[ \|(X, Y) - (\hat{X}, \hat{Y})\| - \frac{1}{2}\|(\hat{X}, \hat{Y}) - (\hat{X}', \hat{Y}')\| \right]$$
onde $(\hat{X}, \hat{Y})$ e $(\hat{X}', \hat{Y}')$ são amostras independentes geradas pelo modelo.

3. Estimativa da Distribuição Intervencional

Uma vez ajustado o modelo, a distribuição intervencional $P_{do(X:=x)}(Y)$ é estimada via amostragem. Uma intervenção $do(X:=x)$ rompe o vínculo entre $X$ e seu ruído $\eta_X$. O procedimento envolve:

1. Amostrar $\varepsilon_Y$ e $\varepsilon_H$ de Gaussianas padrão.
2. Calcular o ruído $\eta_Y^* = h_Y^*(\varepsilon_Y, \varepsilon_H)$.
3. Gerar o resultado $Y^* = f^*(x, \eta_Y^*)$.

A partir dessas amostras, qualquer funcional da distribuição (média, quantis, variância) pode ser estimado via Monte Carlo.

Principais Contribuições Teóricas

O artigo estabelece resultados de identificabilidade para a distribuição intervencional sob três configurações de modelo distintas:

1. Classe de Modelo Geral: Sob suposições de monotonicidade estrita nas perturbações latentes e uma condição de suporte comum (exigindo que o instrumento tenha um suporte amplo), a distribuição intervencional é unicamente identificável a partir dos dados observados.
2. Modelos de Ruído Pré-Aditivo (Instrumento Contínuo): Ao restringir o modelo de resultado a uma forma de ruído pré-aditivo, os autores mostram a identificabilidade mesmo quando o instrumento possui um suporte contínuo, mas não satisfaz necessariamente a condição de "suporte amplo" exigida pela classe geral.
3. Modelos de Ruído Pré-Aditivo (Instrumento Discreto/Binário): Crucialmente, o artigo demonstra que, para modelos de ruído pré-aditivo, a distribuição intervencional é identificável mesmo com um instrumento binário e tratamento multivariado (uma configuração subidentificada onde $dim(Z) < dim(X)$). Isso contrasta com o 2SLS, que falha nesses casos devido à multicolinearidade no primeiro estágio. Os autores mostram que, se o instrumento afeta a distribuição do tratamento de uma forma que não seja meramente um deslocamento determinístico (isto é, as distribuições condicionais diferem além de um deslocamento de média), a informação distribuicional completa é suficiente para a identificação.

O artigo também prova a consistência do estimador DIV em uma subclasse linear paramétrica simples.

Resultados Empíricos

Os autores avaliam o DIV contra benchmarks incluindo 2SLS, Control Functions (CF), DeepIV, DeepGMM, HSIC-X, IVQR e DIVE.

• Dados Simulados:
  • Estimativa de Média e Quantil: O DIV apresenta desempenho competitivo ou superior na estimativa de médias e quantis intervencionais em configurações de ruído linear, não linear e pré-aditivo.
  • Casos Subidentificados: Em cenários com um único instrumento binário e tratamento bidimensional ($dim(Z)=1, dim(X)=2$), o 2SLS e outros benchmarks falham em identificar parâmetros causais. O DIV recupera com sucesso os parâmetros ao utilizar a informação distribuicional completa.
  • Instrumentos Fracos: O DIV permanece robusto quando o instrumento possui relevância de média fraca ou relevância de variância de média fraca, desde que os momentos distribuicionais de ordem superior carreguem informação estrutural.
• Aplicações no Mundo Real:
  • Dados Econômicos (Acemoglu et al., 2001): Aplicado à relação entre qualidade institucional e PIB. O DIV recupera um efeito causal positivo e aproximadamente linear, consistente com os achados originais do 2SLS, enquanto também fornece uma estimativa da distribuição completa (quantis).
  • Dados de Célula Única (Single-Cell): Aplicado à predição de expressão gênica sob perturbações CRISPR não observadas. O DIV demonstra generalização superior para ambientes de intervenção não vistos e estabilidade entre diferentes subconjuntos de treinamento em comparação com outros métodos, sugerindo que captura o mecanismo causal subjacente de forma mais eficaz.

Significância e Alegações

O artigo afirma que o DIV oferece um avanço significativo na inferência causal ao:

1. Expandir o Estimando: Ir além dos efeitos de média ou quantil para estimar a distribuição intervicional completa, proporcionando uma compreensão mais rica dos mecanismos causais e da incerteza aleatória.
2. Superar Limites de Identificação: Resolver problemas "subidentificados" onde métodos de IV tradicionais (como 2SLS) falham, especificamente ao aproveitar a informação distribuicional em configurações com instrumentos discretos e tratamentos multivariados.
3. Flexibilidade: Acomodar relações não lineares gerais sem as restritivas suposições de ruído aditivo.
4. Utilidade Prática: Fornecer uma implementação de software computacionalmente eficiente (R e Python) que permite a amostragem da distribuição intervicional estimada, facilitando o cálculo de qualquer funcional distribuicional.

Os autores concluem que, embora o método dependa da estimativa da distribuição conjunta $P(X, Y | Z)$, essa abordagem maximiza o uso da informação dos instrumentos, oferecendo a melhor chance de identificação em configurações complexas e confundidas. Direções de trabalhos futuros mencionadas incluem a quantificação de incerteza epistêmica e a aplicação da metodologia em tarefas de generalização de distribuição.