Coarsening Bias from Variable Discretization in Causal Functionals

Resumo Técnico: Viés de Granularidade (Coarsening Bias) decorrente da Discretização Variável em Funcionais Causais

Definição do Problema
Funcionais de identificação causal, particularmente em análise de mediação, efeitos de caminho específico e identificação de porta frontal (front-door) dentro de DAGs (Grafos Acíclicos Dirigidos) com variáveis ocultas, frequentemente requerem a integração de uma regressão de desfecho sobre a densidade condicional de um mediador contínuo. Quando o mediador é contínuo ou de alta dimensão, estimar essas densidades e computar os resultados dessas integrações é estatisticamente e computacionalmente exigente. Um contorno prático comum é discretizar o mediador contínuo e substituir integrais por somas finitas.

Embora conveniente, essa discretização altera fundamentalmente o parâmetro de nível populacional que está sendo estimado. Mesmo quando os pressupostos de identificação causal são mantidos e os parâmetros de perturbação (nuisance parameters) são estimados de forma consistente, o funcional discretizado representa um alvo diferente do funcional contínuo original. Os autores identificam essa discrepância como viés de granularidade (ou erro de granularidade/ coarsening bias). O artigo argumenta que este viés é distinto do erro de estimação estatística; trata-se de um erro de aproximação que surge no nível do próprio funcional alvo. A literatura anterior frequentemente negligencia este viés ou o trata como secundário, embora ele possa induzir erros não negligenciáveis mesmo com identificação correta.

Metodologia e Estrutura Teórica
Os autores formalizam a diferença entre o funcional causal original $\theta(Q)(c)$ e seu análogo discretizado $\theta_h(Q)(c)$. Seja $M$ um mediador contínuo discretizado em $K$ intervalos (bins) $B_k$ com largura $w_k$.

1. Caracterização do Erro de Granularidade:
   O artigo demonstra que o funcional discretizado ingênuo incorre em um erro de primeira ordem proporcional à largura máxima do intervalo ($O(w_{\max, K})$). Esse erro é impulsionado pelo deslocamento das médias condicionais intra-intervalo do mediador entre os níveis de tratamento ($m_k(a_1, c) - m_k(a_0, c)$) e pela inclinação local da regressão de desfecho $\mu(m, a, c)$.

   • Especificamente, o termo de erro é proporcional a $\mu'_m \times \Delta m_k$.
   • O erro desaparece apenas se a regressão de desfecho for localmente constante dentro dos intervalos ou se a distribuição condicional do mediador não diferir entre os grupos de tratamento dentro de cada intervalo.

2. Funcional de Granularidade Desenviesado:
   Para eliminar esse erro de primeira ordem, os autores propõem um funcional de granularidade desenviesado, $\tilde{\theta}_h(Q)(c)$. Em vez de avaliar a regressão de desfecho nos limites dos intervalos ou usar médias brutas dos intervalos, este método avalia a regressão $\mu(m, a_1, c)$ na média condicional intra-intervalo do mediador sob a distribuição de tratamento de referência ($m_k(a_0, c)$).

   • Utilizando uma expansão de Taylor, os autores mostram que esta modificação cancela o termo de primeira ordem.
   • O erro de aproximação resultante torna-se de segunda ordem na largura do intervalo ($O(w_{\max, K}^2)$), reduzindo significativamente o viés mesmo sob uma discretização grosseira.

3. Estimação Estatística:
   O artigo deriva tanto estimadores plug-in quanto de um passo (one-step estimators) para o funcional desenviesado.

   • Estimação Suavizada: Como a avaliação pontual da regressão nos meios estimados pode violar os requisitos de diferenciabilidade por caminho (pathwise differentiability) para métodos baseados em função de influência (como estimadores de um passo) quando $M$ é contínuo, os autores introduzem uma versão suavizada. Esta substitui a avaliação pontual por uma média localizada usando uma função kernel e uma largura de banda $b$.
   • Funções de Influência: Os autores derivam a função de influência eficiente (EIF) para o funcional desenviesado suavizado, permitindo a construção de estimadores de um passo assintoticamente lineares que são robustos à especificação incorreta de modelos de perturbação.

Principais Resultados

• Limites Teóricos: Sob condições de suavidade, o estimador discretizado ingênuo possui um viés assintótico de $O(1/K)$ (para intervalos de largura igual), enquanto o estimador desenviesado proposto atinge $O(1/K^2)$.
• Estudos de Simulação:
  • Redução de Viés: Simulações confirmam que o estimador discretizado ingênuo retém um viés substancial que não desaparece conforme o tamanho da amostra $n$ aumenta (refletindo o erro de nível populacional). Em contraste, o estimador desenviesado exibe viés próximo de zero em várias amostras e contagens de intervalos.
  • Cobertura: O estimador desenviesado atinge uma cobertura de intervalo de confiança próxima da nominal (ex: 95%), enquanto o estimador ingênuo sofre de baixa cobertura devido ao viés não corrigido.
  • Robustez: A abordagem desenviesada apresenta bom desempenho tanto sob especificação correta quanto sob várias formas de especificação incorreta de modelos de perturbação, particularmente quando combinada com correções de um passo.
  • Esquemas de Discretização: O estudo compara discretizações de frequência igual, largura igual empírica e largura pré-definida. Embora a escolha do agrupamento afete a magnitude do viés ingênuo, o estimador desenviesado permanece robusto e preciso em todos os esquemas.
• Aplicação em Dados Reais: Em uma análise do estudo B_PROUD (despacho de Unidade de AVC Móvel), o estimador desenviesado produziu resultados consistentes com uma abordagem de regressão sequencial (que evita a estimativa de densidade inteiramente) e diferiu significativamente do estimador de granularidade ingênuo, particularmente com discretização grosseira ($K=2$).

Significância e Alegações
O artigo afirma fornecer uma base formal para controlar o impacto da discretização variável na inferência causal. Suas principais contribuições são:

1. Distinção de Erros: Ele separa claramente o erro de aproximação funcional (viés de granularidade) do erro de estimação estatística, observando que as correções de função de influência padrão (como estimadores de um passo) abordam o primeiro, mas falham em corrigir o segundo se o funcional alvo for mal especificado pela discretização.
2. Correção Simples: Propõe uma correção computacionalmente simples (avaliar nas médias intra-intervalo) que elimina o termo de viés de primeira ordem sem exigir estimativa de densidade complexa ou o abandono do framework de discretização.
3. Utilidade Prática: Os resultados sugerem que pesquisadores podem usar a discretização para conveniência computacional ou interpretabilidade (ex: limiares clínicos) sem sacrificar a validade de suas estimativas causais, desde que apliquem a correção de desenviesamento proposta.

Os autores concluem que, embora a discretização seja frequentemente necessária na prática, ignorar o resultante viés de granularidade leva a uma inferência inválida. O framework proposto permite o controle deste viés, possibilitando a estimação estatística válida mesmo quando variáveis contínuas são transformadas em dados discretos.