Causal Partial Identification via Conditional Optimal Transport

Resumo Técnico: Identificação Parcial Causal via Transporte Ótimo Condicional

1. Problema e Motivação

O artigo aborda um desafio fundamental na inferência causal: a identificação parcial de estimandos causais que dependem da distribuição conjunta dos potenciais resultados de tratamento e controle ($Y(1)$ e $Y(0)$) para uma mesma unidade.

• O Dilema: Em cenários padrão, apenas um dos dois resultados potenciais é observado (o "problema do contrafactual"). Consequentemente, a distribuição conjunta $\mu_{Y(0), Y(1)}$ não é identificável a partir dos dados observados, tornando impossível a estimação pontual de certos parâmetros (como a variância do efeito do tratamento).
• Identificação Parcial (PI): O objetivo passa a ser determinar o conjunto de valores possíveis (intervalos) para o estimando causal, consistentes com as distribuições marginais observadas.
• O Papel das Covariáveis: A presença de covariáveis pré-tratamento ($Z$) pode reduzir a incerteza, gerando conjuntos de identificação parcial (PI) menores e mais informativos.
• O Desafio do Transporte Ótimo Condicional (COT): Métodos recentes utilizam o Transporte Ótimo Condicional (COT) para caracterizar esses conjuntos PI. No entanto, a estimação do valor do COT em amostras finitas é extremamente desafiadora. O funcional do COT é descontínuo sob a topologia fraca usual (topologia de convergência em distribuição). Isso faz com que o estimador "plug-in" direto (usando massas pontuais empíricas) seja inconsistente, especialmente quando as covariáveis são contínuas e não há sobreposição exata entre os grupos de tratamento e controle.

2. Metodologia Proposta

Os autores propõem uma nova abordagem para estimar o valor do COT de forma consistente e direta, sem depender de estimativas de funções de incômodo (nuisance functions) ou relaxações heurísticas.

• Topologia Adaptada (Adapted Wasserstein Distance):

  • O trabalho demonstra que, embora o funcional do COT seja descontínuo sob a topologia fraca, ele se torna contínuo sob uma topologia mais forte induzida pela Distância de Wasserstein Adaptada ($W_a$).
  • A $W_a$ mede a distância entre distribuições considerando a estrutura condicional (kernels de transição), exigindo convergência uniforme das distribuições condicionais de $Y$ dado $Z$ em cada valor de $Z$.

• Estimador Empírico Adaptado:

  • Para garantir a convergência sob $W_a$, os autores propõem um estimador empírico adaptado.
  • Discretização: O espaço de covariáveis $Z$ é discretizado em células finitas (cubos). As covariáveis observadas são projetadas nos centros dessas células.
  • Construção: Em vez de usar massas pontais diretas para $Z$, o método agrupa as observações dentro de cada célula, criando distribuições condicionais locais estimadas. Isso mitiga o problema de "falta de pares" em valores contínuos exatos de $Z$.
  • Acoplamento: Um acoplamento ótimo é calculado entre as distribuições discretizadas dos grupos de tratamento e controle para alinhar as células correspondentes.

• Casos de Estudo:

  • Desenho Bernouli (RCT): Onde a atribuição do tratamento é independente das covariáveis.
  • Desenho Dependente de Covariáveis (Observacional): Onde a probabilidade de tratamento (propensão) depende de $Z$. O método incorpora reponderação (reweighting) para corrigir o deslocamento de distribuição (covariate shift), utilizando estimadores de propensão com validação cruzada (cross-fitting) para garantir independência estatística.

3. Principais Contribuições Teóricas

1. Continuidade do Funcional COT: Prova teórica (Teorema 2) de que o valor do COT é contínuo sob a topologia da Distância de Wasserstein Adaptada, resolvendo o problema de inconsistência do estimador plug-in.
2. Estimador Consistente e Não Paramétrico: Proposição de um estimador direto que não requer a especificação de modelos paramétricos para os resultados ou a estimação de funções de incômodo complexas.
3. Taxas de Convergência: Derivação de limites de erro em amostras finitas (Teoremas 4 e 6). O estimador atinge taxas de convergência ótimas que dependem da dimensão das covariáveis ($d_Z$) e dos resultados ($d_Y$), especificamente na ordem de $O(N^{-1/(d_Z + 2 \vee d_Y)})$.
4. Robustez: Demonstração de que o estimador é robusto a pequenas perturbações na distribuição das covariáveis (Teorema 5).

4. Resultados Empíricos

Os autores validaram o método através de simulações extensivas e dados reais:

• Simulações Sintéticas: O método foi comparado com abordagens existentes (como o DualBounds baseado em regressão ridge e KNN).
  • Em modelos lineares, o desempenho foi comparável ao melhor método paramétrico.
  • Em modelos não-lineares (quadráticos) e de escala, o estimador adaptado de COT superou consistentemente os métodos baseados em modelos, demonstrando sua vantagem como método livre de modelo (model-agnostic).
• Dados Reais (STAR): Utilizando dados do projeto Student Achievement and Retention, o método estimou os limites de identificação parcial para a correlação entre os potenciais resultados de GPA. O estimador proposto apresentou menor erro relativo em comparação com as alternativas.
• Sensibilidade: Uma análise de sensibilidade mostrou que o desempenho do estimador é estável em relação ao tamanho da célula de discretização, permitindo a seleção prática de hiperparâmetros.

5. Significado e Impacto

• Avanço na Inferência Causal: O trabalho fornece uma ferramenta rigorosa para quantificar a incerteza em efeitos causais quando a identificação pontual é impossível, aproveitando ao máximo a informação contida nas covariáveis.
• Solução para o Problema de Descontinuidade: Ao estabelecer a continuidade sob a métrica de Wasserstein Adaptada, o artigo resolve uma barreira teórica que limitava a aplicação direta do COT em dados empíricos.
• Aplicabilidade Geral: O método é não paramétrico, aplicável a dados multivariados e robusto a deslocamentos de distribuição, tornando-o altamente relevante para estudos observacionais e ensaios clínicos onde a sobreposição de covariáveis é imperfeita.
• Conexão com Transporte Triangular: O trabalho conecta a identificação parcial à teoria de mapas de transporte triangular, oferecendo uma perspectiva complementar à modelagem estrutural de contrafactuais.

Em suma, o artigo apresenta um marco metodológico que torna a identificação parcial causal via transporte ótimo condicional viável, consistente e estatisticamente fundamentada para aplicações práticas em ciência de dados e economia.