Causal Inference on Networks under Misspecified Exposure Mappings: A Partial Identification Framework

Resumo Técnico: Inferência Causal em Redes sob Mapeamentos de Exposição Mal Especificados

1. Definição do Problema

Estimar efeitos de tratamento em configurações de rede é fundamentalmente desafiador porque o resultado de uma unidade depende não apenas do seu próprio tratamento, mas também dos tratamentos das unidades conectadas (interferência). Isso viola a Suposição de Variável de Tratamento de Unidade Estável (SUTVA). Para gerenciar a complexidade exponencial de condicionar em todas as possíveis atribuições de tratamento em uma rede de tamanho $N$, os métodos existentes geralmente empregam um mapeamento de exposição ($g$). Esta função comprime as atribuições de tratamento de alta dimensão dos vizinhos de uma unidade em um resumo de baixa dimensão (por exemplo, a proporção de vizinhos tratados).

No entanto, esses métodos dependem da suposição de que o mapeamento de exposição é corretamente especificado com base no conhecimento do domínio. Na prática, o mecanismo de propagação de spillover é frequentemente apenas parcialmente compreendido, levando à má especificação de $g$. Quando o mapeamento assumido $g$ difere do verdadeiro mapeamento subjacente $g^*$, os estimadores padrão para efeitos diretos e de spillover tornam-se severamente enviesados. A literatura atual carece de um framework geral para delimitar resultados potenciais e efeitos de tratamento quando o mapeamento de exposição é mal especificado, particularmente para dados experimentais e observacionais.

2. Metodologia

Os autores propõem um framework de identificação parcial que avalia a robustez das estimativas causais sob má especificação do mapeamento de exposição. Em vez de tentar a identificação pontual do efeito de tratamento sob um modelo potencialmente incorreto, o framework deriva limites (bounds) superiores e inferiores aguçados (sharp) sobre os resultados potenciais e efeitos de tratamento.

Componentes Principais:

• Modelo de Sensibilidade via Limites de Propensão: O framework modela a má especificação como um deslocamento de distribuição entre a propensão do mapeamento assumido $g$ e o verdadeiro mapeamento $g^*$. Ele introduz limites especificados pelo usuário $b^-(z, x)$ e $b^+(z, x)$ de modo que a razão entre a verdadeira propensão e a propensão assumida seja limitada:
  $$b^-(z, x) \leq \frac{p(g^*(t_N) = z \mid x)}{p(g(t_N) = z \mid x)} \leq b^+(z, x)$$
  Esta abordagem é instanciada para três configurações canônicas de exposição:

  1. Médias Ponderadas: Permitindo que os pesos dos tratamentos dos vizinhos desviem de uma média uniforme por uma margem $\epsilon$.
  2. Limiar (Thresholding): Permitindo que o limiar $c$ usado para definir a exposição (ex: "mais da metade tratados") varie dentro de $[c \pm \epsilon]$.
  3. Spillovers de Ordem Superior: Contabilizando a interferência de vizinhos além da vizinhança imediata (confundimento não observado), utilizando limites de sensibilidade da literatura de confundimento não observado.

• Derivação de Limites Aguçados (Sharp Bounds): Utilizando ideias de análise de sensibilidade causal, os autores derivam expressões de forma fechada para os limites superiores e inferiores aguçados do Resultado Potencial Médio Condicional (CAPO), $\mu^\pm(t, z, x)$. Esses limites são construídos otimizando o resultado esperado sobre um conjunto de distribuições consistentes com os dados observados e os limites de propensão. A solução envolve um valor de corte $Q^\pm$ (um quantil condicional) e funções de momento condicionais, garantindo que os limites sejam os intervalos mais estreitos possíveis contendo o resultado verdadeiro dada a má especificação.

• Estimador Ortogonal: Para estimar esses limites a partir dos dados, os autores desenvolvem um estimador ortogonal baseado na teoria do aprendizado estatístico.

  • Parâmetros de Perturbação (Nuisance Parameters): A estimativa requer a estimação de funções de perturbação: os escores de propensão ($\pi_t, \pi_g$), os cortes ($Q^\pm$) e as funções de momento condicionais ($\gamma^\pm_u, \gamma^\pm_l$).
  • Construção de Pseudo-Resultado: Eles constroem um pseudo-resultado ortogonal $\phi^\pm_{t,z}$ que é de primeira ordem insensível a erros nos estimadores de perturbação. Isso permite o uso de modelos de aprendizado de máquina flexíveis para as funções de perturbação sem introduzir viés significativo nas estimativas finais dos limites.
  • Procedimento de Duas Etapas: O método utiliza K-fold cross-fitting. Primeiro, as funções de perturbação são aprendidas em dobras (folds) de treinamento. Segundo, os pseudo-resultados são computados em dobras de teste (held-out folds) e regredidos sobre as covariáveis $X$ para obter as estimativas finais dos limites.

3. Principais Contribuições

1. Framework de Identificação Parcial: O artigo introduz um novo framework para inferência causal em redes que fornece limites aguçados e válidos sobre efeitos de tratamento sob má especificação do mapeamento de exposição, abordando uma lacuna onde não existia um framework geral anteriormente.
2. Garantias Teóricas: Os limites derivados são provados como aguçados (os intervalos mais estreitos possíveis) e válidos (contendo o efeito verdadeiro) sob as suposições de sensibilidade especificadas.
3. Estimador Ortogonal: Os autores propõem um estimador ortogonal agnóstico ao modelo que alcança taxas de convergência quase-oráculo. Isso significa que o erro do estimador depende apenas do produto dos erros de estimativa de perturbação (segunda ordem), permitindo que ele permaneça robusto mesmo se os modelos de perturbação forem mal especificados ou convergirem lentamente.
4. Instanciação para Configurações Canônicas: O framework é explicitamente formulado para três mapeamentos de exposição amplamente utilizados: médias de vizinhança ponderadas, mapeamentos baseados em limiar e cenários envolvendo spillovers de ordem superior.

4. Resultados Experimentais

Os autores avaliam o framework em conjuntos de dados sintéticos com variados tamanhos de rede ($N=1000$ e $N=6000$) e dimensões de covariáveis.

• Validade: Visualizações confirmam que, quando o fator de sensibilidade (o grau de má especificação permitida) é definido suficientemente alto (fator $\geq 1$), os limites estimados capturam com sucesso os resultados potenciais e efeitos de tratamento verdadeiros. Sob suposições de sensibilidade insuficientes, os limites falham em cobrir a verdade, como esperado.
• Convergência: Comparações entre o proposto estimador ortogonal e um estimador "plug-in" padrão mostram que o estimador ortogonal converge mais rápido e mantém cobertura válida mesmo em amostras menores. O estimador plug-in sofre de viés substancial em amostras finitas devido aos erros de estimativa de perturbação.
• Informatividade: Os limites mostram-se informativos. Para fatores de sensibilidade corretamente especificados, a largura média dos intervalos do Efeito Direto Médio (ADE) é de aproximadamente 8,71% do intervalo total do resultado. Além disso, os limites identificam corretamente a direção do efeito de tratamento (estritamente positivo ou negativo), evitando o caso trivial onde os limites abrangem o zero.

5. Significância e Alegações

O artigo afirma avançar o campo da inferência causal em redes ao fornecer uma alternativa robusta aos métodos padrão que dependem de mapeamentos de exposição potencialmente incorretos. Ao mudar da identificação pontual para a identificação parcial, o framework permite que pesquisadores avaliem a sensibilidade de suas conclusões à má especificação do modelo.

Os autores enfatizam que seu framework é agnóstico ao modelo e robusto a erros de estimativa de perturbação, tornando-o aplicável mesmo quando modelos não paramétricos complexos são usados para estimar as propensões de rede e os resultados subjacentes. O trabalho não pretende eliminar a necessidade de conhecimento de domínio, mas sim fornecer uma ferramenta matemática rigorosa para quantificar a incerteza introduzida quando esse conhecimento é imperfeito. Os experimentos demonstram que os limites resultantes permanecem estreitos o suficiente para apoiar decisões confiáveis, mesmo na presença de má especificação do mapeamento de exposição.