🤖 AI

A primer on optimal transport for causal inference with observational data

Este artigo de revisão introduz as conexões profundas, frequentemente negligenciadas, entre a teoria do transporte ótimo e a inferência causal com dados observacionais, demonstrando como os princípios do transporte ótimo sustentam modelos causais fundamentais e visando unificar a terminologia entre disciplinas ao mesmo tempo em que identifica novas direções de pesquisa.

Autores originais: Florian F Gunsilius

Publicado 2026-08-10

📖 8 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Florian F Gunsilius

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

O Grande Jogo de Detetive: Desvendando Causas Ocultas

Imagine que você é um detetive tentando resolver um mistério, mas com um toque: você só pode olhar para a cena do crime depois que o crime aconteceu, e você nunca viu as ações do suspeito em tempo real. Esta é a luta diária dos cientistas que tentam entender a causalidade — descobrir se uma coisa (como tomar um novo remédio ou construir uma fábrica) realmente causa outra coisa (como melhorar ou mudar a economia local). O problema é que nunca podemos ver duas versões da realidade ao mesmo tempo. Não podemos ver uma pessoa que tomou o remédio e a exata mesma pessoa que não o tomou, lado a lado, para ver quem ficou doente. Só conseguimos ver um caminho.

Para resolver isso, estatísticos desenvolveram um conjunto de ferramentas para comparar diferentes grupos de pessoas, esperando encontrar um "grupo de controle" que atue como um gêmeo perfeito para as pessoas que receberam o tratamento. Mas, muitas vezes, esses grupos não são gêmeos perfeitos; eles têm diferenças ocultas (como motivação ou genética) que atrapalham a comparação. Por décadas, pesquisadores usaram truques matemáticos engenhosos para corrigir isso, mas muitas vezes não perceberam que todos estavam usando a mesma arma secreta. Essa arma é chamada de Transporte Ótimo. Pense nisso como o desafio logístico definitivo: imagine que você tem uma pilha de areia em um lugar e outra pilha de areia em outro, e você quer mover a primeira pilha para que ela corresponda perfeitamente ao formato da segunda usando a menor quantidade de energia. Este artigo revela que a matemática usada para mover areia é, na verdade, o fundamento oculto de muitos dos métodos mais importantes que usamos para descobrir causa e efeito no mundo real.

A Grande Revelação do Artigo: O Mapa Oculto

Neste artigo, Florian Gunsilius atua como um guia, mostrando-nos que o complexo mundo da inferência causal (descobir o que causa o quê) e do transporte ótimo (a matemática de mover distribuições de probabilidade de forma eficiente) são, na verdade, velhos amigos que estão falando línguas diferentes há anos. O autor argumenta que muitas das ferramentas padrão que economistas e estatísticos têm usado por décadas para analisar dados observacionais — dados onde não podemos realizar experimentos controlados — são secretamente construídas sobre os princípios do transporte ótimo, mesmo que os pesquisadores não o soubessem.

O artigo não apenas aponta essa conexão; ele sugere que perceber esse elo pode nos ajudar a construir ferramentas melhores e mais poderosas. Aqui está o que o autor descobre e explica:

1. O "Rearranjo Monótono" é o Ingrediente Secreto
O artigo começa explicando um conceito chamado rearranjo mônoto. Imagine que você tem um baralho de cartas representando pessoas com diferentes níveis de "habilidade oculta" (um traço não observável) e você quer ver como essa habilidade se traduz em "ganhos". Se você assumir que uma maior habilidade sempre leva a maiores ganhos (uma regra chamada monotonicidade), você pode simplesmente alinhar a pessoa de menor habilidade com o que tem o menor ganho, a segunda menor com o segundo menor, e assim por diante. Isso cria um mapa perfeito entre o traço oculto e o resultado.
O autor mostra que esse simples "alinhamento" é, na verdade, um tipo específico de problema de transporte ótimo. Essa percepção é poderosa porque permite que os pesquisadores identifiquem não apenas o efeito médio de um tratamento, mas a história inteira de como diferentes pessoas são afetadas. Por exemplo, em um debate famoso sobre o salário mínimo, alguns estudos disseram que aumentar os salários prejudicou os empregos, enquanto outros disseram que ajudou. Ao usar esta visão de "transporte ótimo", os pesquisadores descobriram que a verdade estava no meio: aumentar os salários ajudou pequenos restaurantes, mas prejudicou os grandes. A média estava escondendo a história real, mas o mapa de transporte revelou a verdade.

2. Corrigindo o Problema do "Gêmeo Ruim" com Instrumentos
Às vezes, você não consegue encontrar um grupo de controle perfeito porque as pessoas que escolhem o tratamento são diferentes daquelas que não o escolhem (isso é chamado de endogeneidade). Para corrigir isso, os pesquisadores usam variáveis instrumentais — um terceiro fator que influencia quem recebe o tratamento, mas não afeta diretamente o resultado.
O artigo explica que a matemática usada para fazer esses instrumentos funcionarem também é baseada no transporte ótimo. Especificamente, ele introduz um método chamado iteração de ponto fixo. Imagine que você está tentando encontrar um ponto de encontro entre dois grupos. Você começa em um ponto, move-se em direção ao outro grupo, depois move-se de volta, e continua repetindo este movimento de "pingue-pongue" até se estabelecer em um ponto onde os grupos se alinhem. O artigo mostra que este "pingue-pongue" matemático é, na verdade, um sistema dinâmico de movimentação de distribuições de probabilidade (como um mapa de Brenier). Isso ajuda os pesquisadores a identificar efeitos causais mesmo quando os dados são bagunçados, embora o autor note que isso se torna muito complicado ao lidar com múltiplas variáveis ao mesmo tempo.

3. Construindo Gêmeos Sintéticos com "Pilhas de Areia"
Outro método popular é o de Controles Sintéticos, onde os pesquisadores constroem uma "unidade de controle" falsa misturando várias unidades reais (como criar um estado falso misturando partes da Califórnia, Texas e Nova York) para ver o que teria acontecido se o tratamento não tivesse ocorrido.
O artigo conecta isso aos baricentros de Wasserstein, que é uma forma sofisticada de dizer "a média de uma pilha de areia". Em vez de apenas tirar a média de números, este método tira a média de distribuições inteiras (formas). O autor sugere que, ao usar esta abordagem baseada em transporte, podemos criar "controles sintéticos distributivos" que combinam com a forma inteira dos dados, não apenas com a média. Isso é útil quando as pessoas nos grupos mudam ao longo do tempo (como restaurantes abrindo e fechando), algo com o qual os métodos padrão têm dificuldade.

4. Quando os Gêmeos Não Combinam: Transporte Desbalanceado
Finalmente, o artigo aborda um problema comum: e se o grupo de tratamento e o grupo de controle forem tão diferentes que você não consiga encontrar um par para todos? O "transporte ótimo" padrão exige que cada grão de areia em uma pilha seja movido para a outra, o que força os pesquisadores a combinar pessoas que não são realmente semelhantes, levando a suposições erradas.
O autor propõe o uso do transporte ótimo desbalanceado. Pense nisso como um sistema de logística que permite deixar um pouco de areia para trás ou adicionar um pouco de areia extra se as pilhas não combinarem perfeitamente. Este método descarta automaticamente as pessoas que não possuem uma boa correspondência, em vez de forçar uma combinação ruim. O artigo sugere que isso pode levar a resultados mais precisos em estudos do mundo real onde as correspondências perfeitas são raras, embora note que mais pesquisas são necessárias para provar exatamente o quanto isso é melhor em comparação aos métodos antigos.

O Que o Artigo Diz para Termos Cuidado

O autor é cuidadoso ao apontar que, embora essas conexões sejam empolgantes, elas não são varinhas mágicas.

Não é um problema resolvido: O artigo sugere que esses métodos são promissores e oferecem novas formas de pensar sobre problemas antigos, mas não afirma que o transporte ótimo resolve todos os problemas de inferência causal. Na verdade, destaca que algumas extensões (como passar de uma dimensão para muitas) são matematicamente complicadas e nem sempre diretas.
As suposições ainda importam: O "rearranjo mônoto" (a ideia de que maior habilidade sempre significa maiores ganhos) é uma suposição forte. O artigo observa que, se essa suposição estiver errada, o mapa quebra. Ele sugere que, ao visualizar esses problemas como problemas de transporte, podemos testar diferentes "funções de custo" (regras diferentes sobre como movemos a areia) para ver se nossas conclusões são robustas.
Limitações de dados: O artigo menciona que alguns dos métodos mais avançados (como as iterações de "ponto fixo" para variáveis instrumentais) dependem de condições matemáticas específicas, como ter um intervalo contínuo de dados. Se os dados forem muito esparsos ou "fragmentados", esses métodos sofisticados podem não funcionar tão bem.

A Conclusão

Em última análise, este artigo é um mapa unificador. Ele nos diz que as ferramentas que os estatísticos têm usado para resolver o "problema fundamental da inferência causal" (não podemos ver dois mundos ao mesmo tempo) têm usado secretamente a física da movimentação de distribuições de probabilidade o tempo todo. Ao tornar essa conexão explícita, o autor espera unificar a linguagem entre diferentes campos — economia, estatística e aprendizado de máquina — e abrir as portas para novas formas mais flexíveis de entender como o mundo funciona. É um lembrete de que, às vezes, os insights mais poderosos vêm de perceber que dois quebra-cabeças diferentes são, na verdade, peças da mesma imagem.

Resumo Técnico: Um Guia sobre Transporte Ótimo para Inferência Causal com Dados Observacionais

Enunciado do Problema
O artigo aborda o desafio fundamental na inferência causal com dados observacionais: a incapacidade de observar estados contrafatuais simultaneamente (o "problema fundamental da inferência causal"). Em configurações observacionais, a atribuição do tratamento é endógena, o que significa que a variável de tratamento $X$ é correlacionada com confundidores não observados $U$ que também afetam o resultado $Y$ . Isso cria um "caminho de porta traseira" ( $U \to X$ ) que enviesa a estimação padrão. Embora métodos tradicionais (ex: variáveis instrumentais, diferença-em-diferenças, pareamento) tenham sido desenvolvidos para abordar isso, o autor argumenta que as estruturas matemáticas subjacentes desses métodos têm dependido implicitamente dos princípios de Transporte Ótimo (OT) por décadas, sem reconhecimento explícito. O artigo busca tornar essas conexões explícitas, argumentando que o OT não é meramente uma ferramenta, mas o arcabouço fundamental para identificar mecanismos causais, particularmente ao considerar a heterogeneidade do tratamento.

Metodologia e Arcabouço Teórico
A revisão conecta sistematicamente modelos causais estruturais à teoria de OT, movendo-se de configurações univariadas para multivariadas e de identificação pontual para identificação parcial.

Modelos Estruturais e Rearranjo Monótono:
O artigo começa com o modelo estrutural $Y = g(X, U)$ , onde $g$ é o mecanismo causal e $U$ representa a heterogeneidade não observada. Em configurações exógenas ( $X \perp U$ ), a identificação de $g$ depende do rearranjo monótono. Se $g(x, \cdot)$ é estritamente monótona, ela atua como o mapa de transporte ótimo que empurra a distribuição dos inobserváveis $P_U$ para a distribuição condicional dos resultados $P_{Y|X=x}$ . Este mapa é a solução do problema de Monge com uma função de custo convexa, especificamente a função quantil $g(x, u) = F^{-1}_{Y|X=x}(F_U(u))$ . Isso estabelece que identificar o mecanismo causal é equivalente a encontrar o acoplamento ótimo entre inobserváveis e resultados.
Variáveis Instrumentais (IV) e Variáveis de Controle:
Em configurações endógenas ( $X \not\perp U$ ), o artigo analisa modelos de Variáveis Instrumentais (IV) ( $Y=g(X,V), X=h(Z,W)$ ).
- Variáveis de Controle: Demonstra que a abordagem clássica de variável de controle (ex: [87]) baseia-se no rearranjo monótono. A variável de controle $R = F_{X|Z}(X)$ mimetiza o inobservável $W$ . O artigo generaliza isso ao mostrar que qualquer isomorfismo preservador de medida pode servir como uma variável de controle válida, estendendo o método além de distribuições uniformes.
- Iterações de Ponto Fixo: Para instrumentos binários, o artigo revisa estratégias de identificação usando iterações de ponto fixo (ex: [141, 49]). Esses métodos utilizam mapas "verticais" (mudança em $Z$ ) e "horizontais" (mudança de quantis) para rastrear o mecanismo causal $g$ de volta a um ponto fixo onde $X$ é efetivamente exógeno.
- Extensões Multivariadas: O artigo discute a extensão dessas ideias para configurações multivariadas usando mapas de Brenier (gradientes de funções convexas). Destaca que, embora os mapas de Brenier forneçam uma generalização natural da monotonicidade via monotonicidade cíclica, eles impõem restrições rigorosas de dimensionalidade (o inobservável $W$ deve ter a mesma dimensão de $X$ ), o que limita sua aplicabilidade em alguns contextos causais.
- Identificação Parcial: Para configurações onde a identificação total é impossível, o artigo enquadra o problema de limitar os efeitos médios do tratamento como um problema de transporte ótimo em espaços de caminhos. Isso envolve a otimização sobre distribuições conjuntas de processos contrafatuais sujeitas a restrições marginais observadas, ligando limites causais a problemas da física estatística (ex: dinâmica de grandes partículas).
Diferença-em-Diferenças (DiD) e Controles Sintéticos:
- Mudanças-em-Mudanças: O artigo revisa o estimador não paramétrico de DiD (ex: [11]), mostrando que ele depende do rearranjo monótono para transportar a "tendência natural" do grupo de controle para o grupo tratado.
- DiD Multivariada: Estende isso para resultados multivariados usando comonotonicidade cíclica, permitindo a identificação de distribuições contrafatuais via mapas de Brenier sem exigir que as funções de produção individuais sejam monótonas, apenas que sejam ciclicamente comonotônicas.
- Controles Sintéticos Distribucionais: O artigo introduz uma extensão inovadora de controles sintéticos onde o objetivo é combinar a distribuição dos resultados, em vez de apenas a média. Isso é formulado como a busca por um baricentro de Wasserstein das unidades de controle para replicar a distribuição pré-tratamento da unidade tratada. A identificação baseia-se na suposição de que os mapas de transporte entre períodos são isometrias no espaço de Wasserstein.
Pareamento e OT Desbalanceado:
O artigo critica os métodos de pareamento padrão por sua dependência da restrição estrita de preservação de massa do OT clássico, que força correspondências mesmo quando os suportes das covariáveis não se sobrepõem (violando a suposição de sobreposição/overlap). Propõe o Transporte Ótimo Desbalanceado como solução. Ao relaxar as restrições marginais e adicionar penalidades de divergência (ex: Kullback-Leibler ou $\phi$ -divergência), o OT desbalanceado permite um "pareamento parcial", descartando automaticamente unidades sem boas correspondências. Isso fornece uma maneira disciplinada de lidar com violações da suposição de sobreposição e reduz o viés em amostras finitas.

Principais Contribuições e Resultados

Unificação de Notação e Teoria: O artigo unifica a linguagem da econometria, estatística e matemática ao revelar que modelos causais fundamentais (equações estruturais, DiD, IV, controles sintéticos) são implicitamente construídos sobre princípios de OT.
Generalização de Variáveis de Controle: Fornece uma generalização rigorosa da abordagem de variável de controle, mostrando que a construção específica da variável de controle pode ser qualquer isomorfismo preservador de medida, não apenas a função de distribuição acumulada.
Identificação Dinâmica: Elucida a conexão entre a identificação causal em modelos IV e a dinâmica de gradiente (especificamente, o mapa de Brenier inverso atuando como um fluxo de ascensão de gradiente), oferecendo novas perspectivas matemáticas sobre convergência e identificação.
OT em Espaço de Caminhos: Enquadra a identificação parcial em modelos IV como um problema de transporte ótimo em espaços de caminhos, aproximando a inferência causal da física estatística e da teoria de grandes desvios.
Controles Sintéticos Distribucionais: Introduz uma versão distribucional de controles sintéticos baseada em baricentros de Wasserstein, permitindo a análise de efeitos heterogêneos em nível agregado.
Pareamento Desbalanceado: Defende o uso de OT desbalanceado em problemas de pareamento para lidar naturalmente com violações de suporte, oferecendo uma alternativa teoricamente fundamentada ao trimming ad-hoc ou ao pareamento de vizinho mais próximo.

Significância e Alegações
O autor afirma que reconhecer a base de OT na inferência causal é crucial por várias razões:

Clarificação de Suposições: Esclarece que suposições como a monotonicidade são instâncias específicas de escolha de uma função de custo em um problema de OT. Isso abre portas para análises de sensibilidade ao variar a função de custo (ex: usando custos côncavos para mecanismos não monótonos).
Generalização: Fornece um caminho para generalizar métodos existentes para dimensões mais altas e configurações mais complexas (ex: DiD multivariado, controles sintéticos distribuicionais) ao alavancar a rica teoria matemática de OT.
Ponte Interdisciplinar: Posiciona o OT como uma ponte entre a inferência causal e outros campos, como a física estatística (via formulações de espaço de caminhos) e o aprendizado de máquina (via pareamento distribucional).
Utilidade Prática: Ao tornar essas conexões explícitas, a revisão visa unificar literaturas díspares, permitindo que pesquisadores transfiram ferramentas e insights (ex: regularização entrópica para eficiência computacional, OT desbalanceado para robustez) entre diferentes problemas de inferência causal.

O artigo conclui que, embora a conexão entre OT e inferência causal tenha existido implicitamente, torná-la explícita permite o desenvolvimento de métodos mais robustos, gerais e interpretáveis para identificar efeitos causais em dados observacionais.

O Grande Jogo de Detetive: Desvendando Causas Ocultas

A Grande Revelação do Artigo: O Mapa Oculto

O Que o Artigo Diz para Termos Cuidado

A Conclusão

Resumo Técnico: Um Guia sobre Transporte Ótimo para Inferência Causal com Dados Observacionais

Mais como este