Doubly robust identification of treatment effects from multiple environments

1. Formulação do Problema

O artigo aborda o desafio de estimar Efeitos Médios de Tratamento (ATE) utilizando dados observacionais em cenários onde:

• O grafo causal é desconhecido: Os praticantes não podem confiar em conhecimento prévio para selecionar conjuntos de ajuste válidos.
• Existem controles ruins: O conjunto de dados inclui variáveis pós-tratamento (colisores ou descendentes do tratamento) que, se ajustadas, introduzem viés (por exemplo, viés de colisor).
• Existem confundidores não observados: Há variáveis latentes ($U$) que afetam tanto o tratamento ($T$) quanto o resultado ($Y$).
• Limitações de fonte única: Métodos padrão (como ajustar para todas as covariáveis) falham quando controles ruins estão presentes, e métodos existentes que dependem de múltiplos ambientes frequentemente exigem observabilidade total do grafo causal ou conhecimento estrutural específico (por exemplo, pais conhecidos).

A dificuldade central é que, sem conhecer a estrutura causal, é impossível distinguir entre "bons controles" (confundidores pré-tratamento) e "controles ruins" (variáveis pós-tratamento) usando um único conjunto de dados.

2. Metodologia: Ramen

Os autores propõem o Ramen (Identificação Robusta de ATE a partir de Múltiplos Ambientes), um algoritmo que aproveita a heterogeneidade entre múltiplos ambientes (por exemplo, diferentes países, períodos de tempo ou subpopulações) para identificar o ATE sem necessitar do grafo causal completo.

Premissas Chave

1. Ausência de Mediadores: Não há mediadores observados entre $T$ e $Y$ (Premissa 3.1).
2. Nó Invariante (Dupla Robustez): Pelo menos uma das seguintes condições deve ser válida entre os ambientes ($e \in \mathcal{E}$):
   • Invariância do Tratamento: Todos os pais de $T$ são observados, e a média condicional $E[T | Pa(T)]$ é invariante entre os ambientes.
   • Invariância do Resultado: Todos os pais de $Y$ são observados, e a média condicional $E[Y | Pa(Y)]$ é invariante entre os ambientes.
   • Nota: O método não exige saber qual nó é invariante; ele busca por ele.
3. Condição de Identificação (Heterogeneidade): Os ambientes devem exibir deslocamentos distribucionais suficientes (heterogeneidade) de modo que, se um subconjunto de covariáveis produzir uma média condicional invariante, esse subconjunto deve capturar efetivamente os pais do nó invariante (Premissa 4.1).

O Estimador

O Ramen define um estimador duplamente robusto $\theta_e(S)$ para um subconjunto selecionado de covariáveis $S$:
$$\theta_e(S) = E\left[ \bar{\mu}_1(X_S) - \bar{\mu}_0(X_S) + \frac{(Y - \bar{\mu}_1(X_S))T}{\bar{\pi}(X_S)} - \frac{(Y - \bar{\mu}_0(X_S))(1-T)}{1-\bar{\pi}(X_S)} \right]$$
Onde $\bar{\mu}_t$ e $\bar{\pi}$ são funções de resultado condicional e de escore de propensão agrupadas.

Otimização via Perda de Invariância

Para encontrar o conjunto de ajuste válido $S$, o Ramen minimiza uma perda de invariância. O algoritmo busca um subconjunto $S$ tal que a média condicional de $T$ ou $Y$ dado $S$ seja invariante entre os ambientes.

• Função de Perda: A perda mede a discrepância dos momentos condicionais entre os ambientes usando uma abordagem kernelizada (Espaço de Hilbert de Kernel Reprodutor - RKHS).
  $$J_S(Z; V) = \max_{e \in \mathcal{E}} \left\| E_{P_e}[(V - m_S(Z; V)) k(\cdot, Z_S)] \right\|_{\mathcal{H}}^2$$
• Dupla Robustez: O algoritmo minimiza $\min_S \{ J_S(Z; T), J_S(Z; Y) \}$. Se $T$ ou $Y$ satisfizerem a premissa de invariância, o minimizador identificará um conjunto de ajuste válido (os pais do nó invariante).

Algoritmos

O artigo propõe duas implementações para resolver o problema de seleção de subconjuntos:

1. Busca Combinatória: Pesquisa exaustivamente subconjuntos (viável para dados de baixa dimensionalidade).
2. Relaxação Diferenciável (Truque Gumbel): Para dados de alta dimensionalidade, relaxa a seleção de subconjuntos discretos em um problema de otimização contínua. Utiliza uma aproximação Gumbel-Softmax para criar máscaras binárias diferenciáveis para as covariáveis, permitindo que a descida de gradiente otimize a perda de invariância.

3. Contribuições Principais

1. Primeira Identificação Duplamente Robusta neste Cenário: O Ramen é o primeiro algoritmo a alcançar identificação pontual de ATEs na presença de ambos controles ruins e confundidores não observados usando múltiplos ambientes, sem exigir o grafo causal completo.
2. Dupla Robustez Novel: Diferentemente da dupla robustez clássica (que protege contra má especificação do modelo), a robustez do Ramen protege contra observabilidade parcial. Ele tem sucesso se ou os pais de $T$ ou os pais de $Y$ forem observados e invariantes.
3. Relaxação da Observabilidade: Melhora trabalhos anteriores (por exemplo, Shi et al., 2021) ao não exigir que os pais da variável de resultado sejam totalmente observados; ele pode funcionar se os pais do tratamento forem observados em vez disso.
4. Otimização Escalável: A introdução do truque Gumbel permite que o método escale para espaços de covariáveis de alta dimensionalidade onde a busca combinatória é intratável.

4. Resultados Experimentais

Os autores avaliaram o Ramen em conjuntos de dados sintéticos, semissintéticos e do mundo real:

• Experimentos Sintéticos (DAGs Conhecidos):
  • O Ramen consistentemente alcançou baixo Erro Absoluto Médio (MAE) em cenários onde a invariância-$T$, invariância-$Y$ ou ambas se mantinham.
  • Baselines como ajustar para todas as covariáveis ($\hat{\theta}_{all}$) falharam quando controles ruins (colisores/descendentes) estavam presentes.
  • A baseline IRM ($\hat{\theta}_{irm}$) falhou significativamente quando $T$ era o nó invariante (já que a IRM tipicamente assume invariância do resultado).
• DAGs Aleatórios de Alta Dimensionalidade:
  • O Ramen superou todas as baselines em variados números de ambientes e topologias de grafos.
  • A versão diferenciável ($\hat{\theta}_{insta-}$) performou quase tão bem quanto a versão combinatória, mas escalou para dimensões mais altas.
• Semissintético (Conjunto de Dados IHDP):
  • O Ramen alinhou-se com previsões teóricas, mostrando robustez quando invariantes específicas foram quebradas, enquanto as baselines sofreram alto viés.
• Mundo Real (Fumo Materno e Peso ao Nascer):
  • Aplicado ao conjunto de dados Cattaneo2 (4.642 pacientes).
  • O Ramen estimou uma redução no peso ao nascer de ~215 gramas para mães fumantes.
  • Isso alinha-se com a literatura epidemiológica estabelecida (redução de 200–250g).
  • As baselines ($\hat{\theta}_{all}$, $\hat{\theta}_{irm}$) subestimaram o efeito, enquanto a baseline não ajustada ($\hat{\theta}_{null}$) superestimou-o, demonstrando a capacidade do Ramen de corrigir controles ruins (variáveis pós-tratamento como complicações no peso ao nascer).

5. Significado e Limitações

Significado:

• O Ramen fornece uma solução prática para inferência causal em cenários do mundo real complexos onde os grafos causais são desconhecidos e os dados são desordenados (contendo variáveis pós-tratamento).
• Ele preenche a lacuna entre generalização de domínio (aprendizado de invariância) e inferência causal (estimativa de efeito de tratamento).
• Oferece uma alternativa robusta a ensaios randomizados quando restrições éticas ou financeiras os impedem.

Limitações:

• Maldição da Dimensionalidade: Métodos baseados em kernel podem ser computacionalmente caros em dimensões muito altas.
• Requisito de Heterogeneidade: O método exige deslocamentos distribucionais suficientes entre os ambientes (Premissa 4.1). Se os ambientes forem muito semelhantes, a identificação falha.
• Otimização Heurística: O truque Gumbel é uma relaxação heurística; embora eficaz, não garante encontrar o ótimo global do problema de subconjunto discreto.
• Mediadores: O método assume que não existem mediadores observados entre $T$ e $Y$. Se mediadores estiverem presentes, o estimador muda de ATE para um efeito direto controlado.

Em conclusão, o Ramen representa um avanço significativo na inferência causal, permitindo a estimativa não enviesada de efeitos de tratamento em dados observacionais "desordenados" ao aproveitar a estabilidade estrutural (invariância) dos mecanismos causais entre ambientes diversos.