Resumo Técnico: Identificação e Estimação Baseada em Pesos em Modelos Gráficos de Dados Ausentes

Autores: Anna Guo e Razieh Nabi (Emory University)
Data: 12 de fevereiro de 2026

1. O Problema: O Desafio dos Dados MNAR

A análise de dados é frequentemente comprometida por observações sistematicamente ausentes. Enquanto as abordagens tradicionais assumem que os dados são MAR (Missing at Random) ou MCAR (Missing Completely at Random), na prática, os mecanismos são frequentemente MNAR (Missing Not at Random), onde a probabilidade de um dado estar ausente depende de valores não observados (ex: auto-censura).

O problema central é que, em cenários MNAR, a distribuição dos dados completos não pode ser expressa como uma função direta da distribuição dos dados observados. Isso torna a inferência não identificável sem suposições estruturais adicionais. Métodos comuns (como imputação múltipla ou EM) falham ou introducem viés severo quando o mecanismo MNAR não é modelado corretamente.

2. Metodologia Proposta

O artigo propõe um framework que utiliza Modelos Gráficos Direcionados Condicionais (mDAGs) para modelar o mecanismo de ausência, sem impor restrições à lei dos dados completos (o alvo).

A. Perspectiva Intervencionista

A inovação fundamental é tratar os indicadores de ausência ($R_k$) como variáveis sobre as quais se pode realizar intervenções. A identificação da lei alvo é formulada como uma sequência de operações de reponderação (reweighting) que ajustam o viés de seleção induzido pelo condicionamento em casos observados.

B. Algoritmo de Identificação Baseado em Árvores

O principal desafio é que intervenções sequenciais nos indicadores de ausência podem propagar o viés de seleção. Para resolver isso, os autores introduzem um algoritmo construtivo que:

1. Rastreia a criação e propagação do viés: O algoritmo utiliza uma estrutura de árvore para monitorar como a intervenção em um indicador $R_j$ afeta a identificabilidade de outro $R_k$.
2. Diferencia tipos de irrelevância: Utiliza a irrelevância associacional (propriedade de Markov local) e a irrelevância causal (autonomia/modularidade) para separar variáveis problemáticas.
3. Pruning (Poda): O algoritmo realiza uma "poda" nas árvores de intervenção para remover estratégias que, embora matematicamente válidas para a invariância, introduziriam um viés de seleção impossível de corrigir.
4. Resultado: O algoritmo não apenas diz "sim" ou "não" para a identificabilidade, mas fornece as regras de identificação (quais escores de propensão devem ser estimados e em quais subconjuntos de dados).

C. Procedimentos de Estimação

Com base nas árvores de identificação, os autores desenvolvem:

• Equações de Estimação de Probabilidade Inversa Recursiva (Recursive IPW): Estimadores que espelham a lógica de intervenção da árvore, garantindo validade assintótica para o mecanismo de ausência e para funcionais da distribuição alvo.
• Fechamento de Conjuntos (Closure Construction): Um método para determinar quais indicadores de ausência são necessários para estimar um parâmetro específico (como uma média ou um efeito causal), garantindo que o estimador seja consistente.

3. Principais Contribuições

1. Algoritmo Construtivo: Um método sistemático para determinar se uma distribuição de dados completos é identificável sob um mDAG de ausência específico.
2. Tratamento do Viés de Seleção Propagado: A primeira abordagem que lida explicitamente com o fato de que intervenções para resolver um problema de identificação podem criar novos problemas de viés de seleção.
3. Framework Unificado: Conecta a teoria de modelos causais com a teoria de dados ausentes, permitindo a identificação de funcionais específicos (como efeitos causais) mesmo quando a lei completa não é identificável.
4. Software: Implementação do pacote R flexMissing.

4. Resultados e Evidências

Os autores validaram o método através de simulações e aplicações reais:

• Simulações: Em tarefas de estimativa de média, regressão paramétrica e efeito causal, o método proposto superou consistentemente o método de "casos completos" (complete-case), a imputação múltipla (MICE) e o algoritmo Amelia, especialmente em modelos MNAR complexos onde os outros métodos apresentaram viés persistente e cobertura de intervalos de confiança inadequada.
• Aplicação Real: Aplicado a dados de pesquisas universitais finlandesas sobre financiamento estudantil, o método recuperou parâmetros da lei alvo e do mecanismo de ausência com precisão comparável a métodos de máxima verossimilhança, validando sua utilidade prática.

5. Significância

Este trabalho representa um avanço significativo na estatística de dados ausentes. Ao mover o foco de "suposições paramétricas sobre a distribuição" para "estruturas gráficas sobre o mecanismo de ausência", os autores oferecem uma ferramenta robusta para cientistas de dados e epidemiologistas lidarem com dados MNAR de forma rigorosa, permitindo saber exatamente quando a inferência é segura e como proceder quando ela é possível.