Instrumental and Proximal Causal Inference with Gaussian Processes

Este artigo propõe um framework de Processos Gaussianos Descondicionais (DGP) para inferência causal instrumental e proximal, preenchendo a lacuna na quantificação de incerteza epistêmica ao recuperar estimadores de kernel populares como média posterior e fornecer variância bem calibrada para seleção de modelo e inferência confiável sob confusão não observada.

O essencial

Imagine que você é um médico tentando descobrir se um novo remédio realmente cura uma doença. O problema é que você não tem um laboratório controlado; você só tem registros de pacientes que já tomaram o remédio ou não.

Aqui surge o grande desafio: quem decide tomar o remédio? Talvez os pacientes mais saudáveis tenham tomado, ou talvez os mais desesperados. Existe um "fator oculto" (como a genética ou o estilo de vida) que influencia tanto a decisão de tomar o remédio quanto a recuperação. Na estatística, chamamos isso de confundidor não observado. Se ignorarmos isso, podemos concluir que o remédio funciona quando, na verdade, ele não faz nada.

Este artigo apresenta uma nova ferramenta matemática (baseada em Processos Gaussianos) para resolver esse mistério e, o mais importante, dizer quão confiantes devemos ser na resposta.

Aqui está a explicação simplificada, usando analogias do dia a dia:

1. O Problema: O Detetive Cego

Na ciência tradicional, quando não podemos ver o "confundidor" (o fator oculto), usamos dois truques principais:

• Variável Instrumental (IV): É como ter um "detetive indireto". Imagine que você não sabe quem escolheu o remédio, mas sabe que a distribuição gratuita do remédio em certas cidades foi aleatória. A cidade (o instrumento) influencia quem recebe o remédio, mas não influencia diretamente a saúde do paciente.
• Aprendizado Proximal (Proxy): É como usar "testemunhas". Se não podemos ver o fator oculto, usamos duas variáveis que são "amigas" dele (uma que influencia o tratamento e outra que influencia o resultado) para deduzir o que está acontecendo.

O problema é que os métodos atuais são como detetives que dão uma resposta ("O remédio funciona!") mas não dizem quão provável é que estejam errados. Eles dão um número, mas não um "grau de certeza".

2. A Solução: O Oráculo com "Medo" (Incerteza)

Os autores criaram um novo método chamado GPIV e GPProxy. Eles usaram uma técnica chamada Processo Gaussiano (GP).

Pense no Processo Gaussiano não como uma máquina que apenas calcula, mas como um oráculo sábio que tem medo de errar.

• A Média (A Resposta): O oráculo calcula a melhor estimativa possível (a média). Curiosamente, essa média é tão boa quanto as melhores técnicas atuais que os cientistas já usam.
• A Variância (O Medo): Aqui está a mágica. O oráculo também calcula o quanto ele está "nervoso". Se os dados são confusos ou escassos, ele diz: "Minha resposta é X, mas estou muito inseguro, a verdade pode estar bem longe disso". Se os dados são claros, ele diz: "Estou 99% certo de que é X".

Isso é chamado de Quantificação de Incerteza Epistêmica. É a diferença entre um GPS que diz "Vire à direita" e um GPS que diz "Vire à direita, mas a estrada pode estar fechada, então tenha cuidado".

3. Como Funciona a "Decondicionamento"? (O Truque Mágico)

O papel técnico fala em "Deconditional Gaussian Process". Em linguagem simples, imagine que você tem uma foto borrada de um crime (os dados com confundidores).

• Métodos antigos tentam limpar a foto usando regras rígidas.
• O método dos autores usa um "espelho mágico" (o deconditioning). Eles olham para a foto borrada e, em vez de tentar adivinhar o crime direto, eles invertem a lógica para reconstruir a cena original de forma probabilística. É como se eles dissessem: "Se a foto borrada fosse assim, qual seria a cena original mais provável, considerando todas as possibilidades?"

4. Por que isso é importante? (Tomada de Decisão)

A parte mais brilhante do artigo não é apenas acertar o número, mas saber quando NÃO confiar no número.

Imagine um médico usando esse sistema:

• Cenário A: O sistema diz "O remédio cura" com alta certeza. O médico prescreve com segurança.
• Cenário B: O sistema diz "O remédio pode curar, mas minha incerteza é enorme". O médico entende que não tem dados suficientes e decide não prescrever ou fazer mais testes, evitando prejudicar o paciente.

Isso é chamado de "rejeição informada". O sistema sabe quando é melhor ficar em silêncio do que dar uma resposta errada com falsa confiança.

5. O Resultado Final

Os autores testaram isso em simulações (como prever a demanda de passagens de avião ou efeitos de remédios) e descobriram que:

1. Precisão: Eles acertam tão bem quanto os melhores métodos atuais.
2. Segurança: Suas estimativas de "medo" (incerteza) são muito mais honestas. Métodos antigos muitas vezes diziam "estou 100% certo" quando estavam errados. O novo método avisa quando está inseguro.
3. Escolha de Modelo: O sistema consegue "aprender sozinho" quais configurações usar para os dados, sem precisar de um humano ficar ajustando parâmetros manualmente (o que é comum em métodos antigos).

Resumo em uma frase

Este artigo cria um "detetive de causalidade" que não apenas descobre a verdade escondida por fatores ocultos, mas também é honesto o suficiente para admitir quando não tem certeza, protegendo-nos de tomar decisões arriscadas baseadas em dados confusos.

Resumo técnico

Título: Inferência Causal Instrumental e Proximal com Processos Gaussianos

1. Problema e Motivação

A estimação de efeitos causais a partir de dados observacionais é fundamental em diversas disciplinas, mas enfrenta um obstáculo crítico: a presença de confundidores não observados. Esses confundidores podem enviesar estimadores padrão e comprometer a validade causal.

• Abordagens Existentes: Métodos como Variáveis Instrumentais (IV) e Aprendizado Causal Proximal (Proxy) foram desenvolvidos para lidar com esse problema, permitindo a identificação de efeitos causais sob certas suposições estruturais. Avanços recentes utilizam métodos baseados em kernels e aprendizado profundo.
• Limitação Principal: A maioria desses métodos foca apenas na estimação pontual (o valor médio do efeito causal). Eles carecem de uma quantificação de incerteza epistêmica (EU) confiável e bem calibrada.
• Importância da Incerteza: Em cenários de segurança crítica, decisões de risco, fusão de dados e aprendizado ativo, é crucial saber quão confiante o modelo está em sua estimativa. Estratégias atuais de incerteza (como bootstrap) são frequentemente heurísticas e carecem de interpretação probabilística coerente, enquanto abordagens bayesianas existentes podem ser computacionalmente custosas ou depender de suposições paramétricas fortes.

2. Metodologia: Framework de Processos Gaussianos Descondicionais (DGP)

Os autores propõem um framework unificado baseado em Processos Gaussianos (GP) para os cenários de IV e Proxy, denominado GPIV e GPProxy.

Conceito Central:
O aprendizado da função estrutural não confundida em ambos os cenários reduz-se a resolver uma equação integral de Fredholm. Os autores utilizam a teoria de embarcamentos de kernel descondicionais (Deconditional Kernel Embeddings), que atuam como pseudo-inversas de operadores de esperança condicional.

Estrutura do Modelo:

1. Priori: Coloca-se uma priori de Processo Gaussiano $GP(0, k)$ sobre a função estrutural $f$ (ou a função ponte $h$ no caso Proxy).
2. Modelo de Ruído Aditivo: Assume-se um modelo onde a observação $Y$ é gerada a partir da esperança condicional da função estrutural dada a variável instrumental (ou proxies), mais ruído gaussiano.
   • IV: $y | z \sim \mathcal{N}(E[f(X)|Z=z], \sigma^2 I)$.
   • Proxy: $y | x, z \sim \mathcal{N}(E[h(x, W)|X=x, Z=z], \sigma^2 I)$.
3. Posterior: Deriva-se a distribuição posterior de $f$ condicionada aos dados.
   • A média posterior recupera os estimadores frequentistas de kernel amplamente utilizados (como Kernel IV - KIV e Kernel Negative Control - KNC).
   • A variância posterior fornece uma quantificação de incerteza epistêmica principial e bem calibrada.

Vantagens Técnicas:

• Unificação: O framework recupera estimadores de kernel clássicos como a média posterior, garantindo precisão preditiva e garantias assintóticas estabelecidas.
• Seleção de Modelo: A estrutura probabilística permite a seleção de hiperparâmetros (como escalas de kernel e regularização) através da otimização da verossimilhança marginal, eliminando a necessidade de validação cruzada extensiva ou divisão de dados (data splitting), o que é comum em métodos frequentistas e prejudicial em conjuntos de dados pequenos.
• Inferência Fechada: As soluções para a média e covariância posterior são de forma fechada, evitando a necessidade de métodos de inferência aproximada caros como MCMC.

3. Contribuições Principais

1. Framework Unificado de GP: Proposição de GPIV e GPProxy, oferecendo uma abordagem bayesiana não paramétrica para inferência causal sob confundimento não observado.
2. Recuperação de Estimadores Frequentistas: Demonstração teórica de que as médias posteriores dos novos métodos são equivalentes aos estimadores KIV e KNC, garantindo a herança de suas propriedades de desempenho.
3. Quantificação de Incerteza Robusta: Fornecimento de intervalos de confiança e medidas de incerteza que refletem tanto a variabilidade dos dados quanto a incerteza sobre os confundidores não observados.
4. Otimização de Hiperparâmetros: Introdução de um método principial para ajuste de hiperparâmetros via verossimilhança marginal, superando a dependência de heurísticas fixas e divisão de dados.
5. Avaliação Abrangente: Validação não apenas por métricas de erro (MSE), mas também por métricas de utilidade da incerteza, como taxas de cobertura empírica e curvas de precisão-rejeição (Accuracy-Rejection Curves).

4. Resultados Experimentais

Os métodos foram avaliados em dados sintéticos e em um cenário de demanda de passagens aéreas (baseado em dados reais), comparando-se com baselines como KIV, MMRIV, QBIV, KPV e KNC.

• Desempenho Preditivo (Precisão):

  • O GPIV e o GPProxy alcançaram consistentemente os menores ou segundos menores erros quadráticos médios (MSE) em comparação com os baselines.
  • A vantagem foi particularmente notável em conjuntos de dados menores, onde a divisão de dados exigida por métodos como KIV prejudicou seu desempenho.
  • A otimização de hiperparâmetros via verossimilhança marginal contribuiu significativamente para essa precisão.

• Qualidade da Incerteza (UQ):

  • Cobertura: Os intervalos de confiança de 95% gerados pelo GPIV/ GPProxy apresentaram taxas de cobertura empírica muito próximas do nominal (ex: ~0.95), enquanto métodos baseados em bootstrap ou QBIV tendiam a subestimar a incerteza (intervalos muito estreitos, cobertura baixa).
  • Curvas de Precisão-Rejeição (ARC): Ao rejeitar as previsões com maior variância (menor confiança), a precisão do modelo aumentou monotonicamente. Isso demonstra que a incerteza estimada é informativa e útil para decisões de "aprender a rejeitar" (learning to reject).
  • Aprendizado Ativo: Em experimentos de aprendizado ativo, a variância posterior foi usada para selecionar os pontos de dados mais informativos, levando a uma convergência mais rápida do erro em comparação com amostragem aleatória.

5. Significado e Impacto

Este trabalho preenche uma lacuna crítica na inferência causal, fornecendo uma solução prática e unificada que combina a precisão de estimadores de kernel modernos com a robustez da quantificação de incerteza bayesiana.

• Aplicabilidade Prática: O método é especialmente valioso em cenários onde dados são escassos e a confiança na estimativa é tão importante quanto o valor da estimativa em si (ex: medicina, políticas públicas).
• Eficiência Computacional: Ao evitar a divisão de dados e o uso de MCMC, o framework é escalável e eficiente.
• Futuro: A abordagem estabelece uma nova base para tarefas downstream que dependem de incerteza, como fusão de dados causais e otimização de tratamentos, permitindo que os recursos sejam alocados de forma mais inteligente com base na confiança do modelo.

Em resumo, os autores demonstram que é possível realizar inferência causal sob confundimento não observado com uma quantificação de incerteza rigorosa, superando as limitações das abordagens atuais tanto em precisão quanto em confiabilidade estatística.