Retrospective Counterfactual Prediction by Conditioning on the Factual Outcome: A Cross-World Approach

Título: Predição Contrafactual Retrospectiva Condicionada ao Resultado Factual: Uma Abordagem de Mundos Cruzados

1. O Problema

A inferência causal tradicional foca frequentemente no Efeito Médio do Tratamento (ATE) ou no Efeito Médio Condicional do Tratamento (CATE), estimando $E[Y(1) - Y(0) | X]$. No entanto, em cenários de alto risco (como medicina ou direito), surge uma necessidade crítica de predição contrafactual retrospectiva: determinar o que teria acontecido a um indivíduo específico que já recebeu um tratamento (ou não), caso tivesse recebido o tratamento oposto.

O objetivo é estimar:
$$\mu(x, y) = E[Y(1) \mid X = x, Y(0) = y]$$
onde:

• $X$: covariáveis observadas (ex: idade, peso).
• $Y(0)$: resultado factual observado (ex: paciente não tratado).
• $Y(1)$: resultado contrafactual não observado (ex: o que teria acontecido se tratado).

Desafio Fundamental: O resultado contrafactual $Y(1)$ nunca é observado para o mesmo indivíduo que tem $Y(0)$. A distribuição conjunta $(Y(1), Y(0))$ é não identificável apenas a partir dos dados observados $(X, T, Y)$, pois depende da estrutura de dependência entre os dois mundos (tratado e não tratado). Métodos existentes geralmente ignoram o resultado factual $Y(0)$ ao prever $Y(1)$, focando apenas em $X$, ou assumem implicitamente independência ($\rho=0$) ou efeitos constantes ($\rho=1$), o que pode levar a previsões imprecisas.

2. Metodologia: A Abordagem RCP($\rho$)

O autor propõe um framework chamado RCP($\rho$) (Retrospective Counterfactual Prediction), que utiliza o resultado factual observado para refinar a previsão do contrafactual, condicionando explicitamente a dependência entre os mundos.

2.1. Assunção de Mundos Cruzados (Cross-World Assumption)

O núcleo da metodologia é a introdução de um parâmetro de correlação de mundos cruzados, $\rho(x)$:
$$\rho(x) = \text{cor}(Y(1), Y(0) \mid X = x)$$
Como $\rho(x)$ não é identificável a partir de dados observacionais, o método trata-o como um parâmetro de sensibilidade que deve ser especificado com base em conhecimento de domínio, dados auxiliares ou análise de sensibilidade. A estrutura de dependência é modelada via uma Cópula Gaussiana.

2.2. Construção do Estimador

O método combina estimadores de base para os grupos de tratamento e controle com a informação factual:

1. Estimadores de Base: Obtêm-se estimativas pontuais $\hat{\mu}_t(x)$ e intervalos de predição $\tilde{C}_t(x)$ para $t \in \{0, 1\}$ (usando, por exemplo, Florestas Aleatórias ou Regressão Quantílica Conformada).
2. Estimador Pontual $\hat{\mu}_\rho(x, y)$:
   O estimador ajusta a previsão do grupo de tratamento baseada no desvio do resultado factual em relação à sua média esperada, ponderado por $\rho$:
   $$\hat{\mu}_\rho(x, y) = \hat{\mu}_1(x) + \rho \cdot \lambda(x) \cdot (y - \hat{\mu}_0(x))$$
   Onde $\lambda(x)$ ajusta a diferença de variância entre os grupos.
   • Se $\rho = 0$: O método ignora $Y(0)$ e retorna $\hat{\mu}_1(x)$ (regressão padrão).
   • Se $\rho \to 1$: O método assume que o efeito do tratamento é constante para aquele indivíduo, aproximando-se de $y + \hat{\tau}(x)$.
3. Intervalos de Predição $C_\rho(x, y)$:
   Os intervalos são construídos para satisfazer a cobertura condicional assintótica:
   $$P(Y(1) \in C_\rho(x, y) \mid X=x, Y(0)=y) \geq 1 - \alpha$$
   A largura do intervalo é reduzida conforme $\rho$ aumenta, refletindo a menor incerteza condicional quando os resultados estão fortemente correlacionados.

2.3. Correção de Viés em Amostras Finitas ($C^{+CI}_\rho$)

Para lidar com a incerteza na estimação dos parâmetros de base em amostras finitas, o autor propõe uma versão corrigida que adiciona intervalos de confiança ao estimador pontual, interpolando suavemente entre a correção total (para $\rho \approx 1$) e nenhuma correção (para $\rho \approx 0$).

3. Contribuições Principais

1. Novo Paradigma de Predição: Introduz o uso explícito da correlação de mundos cruzados ($\rho$) como ferramenta para predição contrafactual, preenchendo a lacuna entre métodos que ignoram o resultado factual e aqueles que assumem efeitos constantes.
2. Tratamento Sistemático: Fornece a primeira análise sistemática dos estimadores e intervalos para $E[Y(1) \mid X, Y(0)]$, estabelecendo condições de consistência e otimalidade assintótica.
3. Framework RCP($\rho$): Desenvolve um estimador consistente e intervalos de predição válidos que se adaptam à força da dependência entre os potenciais resultados.
4. Validação Empírica: Demonstra que, mesmo com conhecimento aproximado de $\rho$, a metodologia supera significativamente os baselines existentes (como imputação baseada em CATE, GANITE e matching) em termos de Erro Quadrático Médio (MSE) e qualidade dos intervalos de predição.

4. Resultados Experimentais

Os experimentos foram realizados em dados sintéticos, semi-sintéticos (IHDP) e reais (Twins).

• Desempenho em MSE: O método RCP($\rho$) superou consistentemente os baselines (Direto, Ajuste por CATE, Matching, GANITE) quando $0 < \rho < 1$. A redução no MSE é proporcional a $(1 - \rho^2)$, confirmando teoricamente que a informação factual reduz a variância condicional.
• Robustez à Especificação: Mesmo quando $\rho$ é mal especificado (usando um valor próximo, mas não exato), o método ainda oferece ganhos substanciais em relação aos métodos que assumem $\rho=0$ (ignorar o factual) ou $\rho=1$ (efeito constante).
• Intervalos de Predição: Os intervalos $C_\rho$ e $C^{+CI}_\rho$ atingiram a cobertura condicional desejada (90%) com larguras menores que os métodos concorrentes, especialmente em cenários onde a dependência factual é forte.
• Recomendação Prática: O estudo sugere usar a versão não corrigida ($C_\rho$) para $\rho \leq 0.5$ e a versão corrigida ($C^{+CI}_\rho$) para $\rho > 0.5$ para garantir cobertura adequada em amostras finitas.

5. Significado e Conclusão

Este trabalho é fundamental para a inferência causal individual, especialmente em aplicações onde a responsabilidade e a precisão individual são críticas (ex: medicina personalizada, avaliação de políticas públicas).

• Transparência de Suposições: Ao tornar a dependência entre mundos cruzados ($\rho$) explícita, o método permite que especialistas do domínio incorporem seu conhecimento sobre a estabilidade dos resultados individuais, algo que métodos "caixa-preta" ignoram.
• Superação da Não-Identificabilidade: O artigo demonstra que, embora a distribuição conjunta seja não identificável sem suposições, a imposição de uma estrutura de dependência plausível (via $\rho$) permite extrair informações valiosas do resultado factual, transformando um problema de dados faltantes em um problema de regressão condicional mais rico.
• Impacto Prático: A metodologia oferece uma ferramenta prática para melhorar a precisão de previsões de tratamento individual, quantificando a incerteza de forma mais rigorosa do que as abordagens atuais, desde que haja uma compreensão razoável da correlação latente entre os potenciais resultados.

Em suma, o paper estabelece que ignorar o resultado factual observado é uma perda de informação evitável, e que a modelagem explícita da dependência entre os mundos contrafactual e factual é o caminho para previsões mais precisas e confiáveis.