📈 economics

Conformal Inference for Counterfactuals and Individual Treatment Effects with Experiment Attrition

Este artigo propõe um novo método de inferência conformal que combina avanços estatísticos com técnicas de dados ausentes para gerar intervalos de predição mais robustos e precisos para efeitos de tratamento individuais, superando as limitações das abordagens tradicionais em experimentos com atrito amostral.

Autores originais: Xiangyu Song

Publicado 2026-04-02

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Xiangyu Song

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é um pesquisador tentando descobrir se um novo remédio funciona. Você divide as pessoas em dois grupos: um toma o remédio (tratamento) e o outro toma um placebo (controle). Depois de algumas semanas, você mede quem ficou melhor.

O problema é que, em estudos reais (como pesquisas de opinião ou experimentos de campo), nem todo mundo termina o estudo. Algumas pessoas param de responder, outras saem do projeto antes do fim. Isso é chamado de desistência (ou attrition).

Aqui está o dilema:

Se você analisar apenas quem ficou, seus resultados podem estar viciados. Talvez as pessoas que desistiram fossem justamente as que não se sentiram bem com o remédio, ou as que estavam muito ocupadas. Se você ignora quem saiu, você pode estar contando uma história incompleta ou falsa.
Os métodos tradicionais para lidar com isso (como "adivinhar" os dados faltantes ou dar pesos diferentes) muitas vezes dependem de suposições muito fortes que podem não ser verdadeiras na vida real.

A Solução Proposta: O "Rastro de Confiança"

O autor deste artigo, Xiangyu Song, propõe uma nova maneira de lidar com esse problema usando uma técnica chamada Inferência Conformal.

Para entender isso, vamos usar uma analogia simples: O Oráculo e a Margem de Erro.

1. O Oráculo (O Modelo de Previsão)

Imagine que você tem um "Oráculo" (um computador inteligente) que tenta prever o resultado para cada pessoa. Ele olha para a idade, gênero, renda e diz: "Se essa pessoa tivesse tomado o remédio, ela teria melhorado em 5 pontos".

O problema é: o Oráculo nem sempre acerta. Às vezes ele erra muito. Como sabemos o quanto podemos confiar nele?

2. A Margem de Segurança (O Intervalo de Previsão)

Em vez de dar apenas um número (ex: "5 pontos"), a Inferência Conformal diz: "Não sabemos o número exato, mas temos 95% de certeza de que o resultado real está entre 3 e 7 pontos".

Essa faixa (de 3 a 7) é o Intervalo de Previsão. É como uma rede de segurança. Se a rede for muito larga (de 0 a 10), ela pega tudo, mas não é útil. Se for muito estreita (de 4,9 a 5,1), é precisa, mas pode não pegar o resultado real. O objetivo é fazer uma rede que seja estreita o suficiente para ser útil, mas larga o suficiente para garantir que não vamos errar.

3. O Desafio da Desistência (A Mudança de Público)

Agora, o problema fica mais difícil.

Grupo 1 (Os que ficaram): Temos os dados reais deles. Podemos calibrar o Oráculo com eles.
Grupo 2 (Os que desistiram): Não temos os dados reais deles. Eles podem ser diferentes dos que ficaram (talvez sejam mais pobres, mais jovens, ou mais doentes).

Se você usar a mesma "rede de segurança" que funcionou para o Grupo 1 no Grupo 2, ela pode falhar, porque os dois grupos são diferentes. É como tentar usar um guarda-chuva feito para um adulto em uma criança: pode não cobrir tudo.

A Grande Inovação: A "Balança Mágica" (Semiparametric Efficient Estimator)

O autor combina a "Inferência Conformal" com uma técnica estatística avançada chamada estimador eficiente semiparamétrico.

Pense nisso como uma Balança Mágica ou um Filtro Inteligente:

Pesagem: A técnica percebe que o Grupo 2 (desistentes) é diferente do Grupo 1. Ela ajusta os dados, dando "peso" diferente para cada pessoa, para que o Grupo 1 pareça, estatisticamente, muito parecido com o Grupo 2.
Calibração Dupla: Em vez de apenas olhar para os dados, ela usa uma matemática sofisticada para calcular exatamente quão larga deve ser a "rede de segurança" para cobrir os desistentes, sem torná-la gigantesca e inútil.

O Que os Resultados Mostram?

O autor testou essa ideia de duas formas:

Simulações de Computador: Criou milhares de cenários falsos onde sabia exatamente a verdade. A nova técnica conseguiu prever os resultados dos "desistentes" com muito mais precisão e intervalos menores do que os métodos antigos (como imputação múltipla ou ponderação simples).
Reanálise de Estudos Reais: Pegou dois estudos reais publicados (um sobre valores econômicos e outro sobre educação cívica na Tunísia) e aplicou o método.
- Descoberta Chocante: Em alguns casos, os resultados para quem desistiu eram muito diferentes dos resultados para quem ficou.
- Exemplo: Num estudo, o tratamento parecia ter um efeito pequeno para quem ficou, mas um efeito grande (e significativo) para quem desistiu. Se o pesquisador tivesse ignorado os desistentes, teria chegado a uma conclusão errada sobre o sucesso do projeto.

Resumo em Linguagem Simples

Imagine que você está tentando adivinhar a temperatura média de uma cidade, mas metade das pessoas parou de enviar suas medições.

Métodos antigos: Tentam adivinhar a temperatura dos que sumiram baseando-se em regras rígidas (ex: "sempre é 2 graus mais frio"). Se a regra estiver errada, sua previsão falha.
O novo método (Inferência Conformal): Olha para os dados que tem, usa um computador inteligente para criar uma "faixa de temperatura provável" para cada pessoa que sumiu. Ele ajusta essa faixa para garantir que, mesmo que os desistentes sejam diferentes, a previsão ainda seja correta 95% das vezes, sem ser uma faixa gigantesca e sem sentido.

Conclusão:
Este artigo nos ensina que, em pesquisas sociais, ignorar quem desistiu é perigoso. A nova técnica oferece uma maneira mais segura, precisa e honesta de incluir a voz de quem saiu do estudo, garantindo que nossas conclusões sobre "o que funciona" não sejam apenas ilusões baseadas apenas em quem ficou.

Resumo Técnico: Inferência Conformal para Contrafactuais e Efeitos Individuais de Tratamento com Desistência em Experimentos

1. O Problema: Desistência (Attrition) em Experimentos Aleatorizados

A desistência (ou attrition) em experimentos de campo e pesquisas é um desafio central nas ciências sociais. Quando participantes abandonam o estudo ou não respondem a questionários, os dados tornam-se incompletos.

Viés de Seleção: Se a desistência não for aleatória (ou seja, se depender de covariáveis observáveis ou do tratamento), restringir a análise apenas aos participantes que permaneceram (complete case analysis) gera estimadores viesados e inconsistentes.
Limitações dos Métodos Atuais:
- Imputação Múltipla e Análise de Casos Completos: Frequentemente dependem de suposições fortes (ex: normalidade multivariada, dados faltantes aleatórios - MAR) que podem não se sustentar na prática.
- Ponderação por Propensão (IPW): Ajusta para a desistência baseada em covariáveis observadas, mas falha em fornecer inferência válida para o grupo que desistiu e não lida bem com o problema de covariate shift (mudança na distribuição das covariáveis entre os grupos observado e desistente).
- Identificação Parcial (Bounds): Embora relaxem suposições paramétricas, muitas vezes produzem intervalos de confiança excessivamente largos e não informativos.
O Desafio Específico: O artigo foca em dois tipos de dados faltantes simultâneos: (1) o problema fundamental da inferência causal (um dos dois resultados potenciais é sempre não observado) e (2) a desistência experimental (ambos os resultados potenciais são não observados para os que desistiram).

2. Metodologia: Inferência Conformal com Estimadores Semiparamétricos Eficientes

O autor propõe um novo framework que combina Inferência Conformal (um método não paramétrico para quantificação de incerteza) com Teoria de Estimadores Semiparamétricos Eficientes.

Estrutura do Método (Abordagem em Duas Etapas):

Etapa 1: Intervalos de Previsão no Grupo Observado ( $R=1$ )
- O objetivo é construir intervalos de previsão válidos para os resultados contrafactuais ( $Y(0)$ para tratados e $Y(1)$ para controles) e para o Efeito Individual de Tratamento (ITE) dentro do grupo que completou o estudo.
- Desafio: Mesmo no grupo observado, há um covariate shift entre tratados e controles devido à desistência correlacionada com covariáveis.
- Solução: Utiliza-se uma abordagem de Regressão Quantil Conformalizada Ponderada (Weighted CQR). Para lidar com o shift, o método emprega Funções de Influência Eficiente (EIF) para identificar os limiares dos escores de não conformidade. Isso permite corrigir a distribuição das covariáveis sem depender de suposições paramétricas rígidas sobre a geração de dados.
Etapa 2: Extrapolacão para o Grupo de Desistência ( $R=0$ )
- O objetivo é extrapolar os intervalos de ITE construídos no grupo observado para o grupo que desistiu.
- Desafio: Existe um covariate shift entre a distribuição de covariáveis do grupo observado e do grupo desistente.
- Solução: O método trata os intervalos de ITE do grupo observado como "surrogates" (substitutos) e aplica uma segunda rodada de inferência conformal para expandir esses intervalos. Novamente, utiliza-se a EIF para identificar o limiar de expansão, garantindo que a cobertura seja válida mesmo sob a suposição de Dados Faltantes Aleatórios (MAR), onde a desistência depende de covariáveis observadas.

Algoritmo e Implementação:

O método utiliza Inferência Conformal Dividida (Split Conformal) com validação cruzada em múltiplas dobras (folds) para evitar overfitting nos estimadores de variáveis de incômodo (nuisance parameters).
Utiliza-se SuperLearner (combinação de múltiplos algoritmos de aprendizado de máquina, como Random Forest, XGBoost, BART) para estimar as funções de propensão e os quantis condicionais.
A correção de Bonferroni é aplicada para garantir que a cobertura conjunta dos dois passos atinja o nível nominal desejado (ex: 95%).

3. Contribuições Principais

Framework para Inferência Causal com Desistência: Introduz a inferência conformal como uma ferramenta robusta para a ciência política e ciências sociais, permitindo quantificar incerteza em estimandos causais (efeitos de tratamento e contrafactuais) sem depender de suposições distribucionais fortes.
Solução para Dados Faltantes e Covariate Shift: Combina a inferência conformal com estimadores semiparamétricos eficientes para lidar simultaneamente com o problema de dados faltantes (desistência) e o covariate shift. Diferente de métodos anteriores (como Lei & Candès, 2021), esta abordagem não assume que a desistência é completamente aleatória (MCAR) e corrige ativamente o viés de distribuição entre grupos.
Validação Empírica e Simulação: Oferece uma das avaliações mais abrangentes do desempenho da inferência conformal em diferentes modelos preditivos e cenários de dados faltantes, demonstrando superioridade sobre métodos tradicionais.

4. Resultados

Estudos de Simulação (Monte Carlo):

Cobertura: O método proposto (CISE - Conformal Inference with Semiparametric Efficient Estimator) alcança consistentemente a cobertura nominal (95%) em diversos tamanhos de amostra e níveis de correlação entre covariáveis.
Comparação:
- Vs. Imputação Múltipla (Amelia II): A imputação múltipla apresentou cobertura muito baixa (inferior a 95%) quando os dados não seguiam a distribuição normal assumida, enquanto o método proposto manteve a validade.
- Vs. CQR Ponderado com Framework Aninhado (Lei & Candès, 2021): O método de Lei & Candès produziu coberturas excessivamente conservadoras (próximas a 100%), resultando em intervalos de previsão extremamente largos e pouco informativos. O método proposto produziu intervalos significativamente mais estreitos mantendo a cobertura válida.
Robustez: O desempenho foi estável independentemente da correlação entre covariáveis e do tamanho da amostra.

Aplicações Empíricas (Reanálise de Estudos Reais):

Margalit & Shayo (2021): Reanálise de um experimento sobre mercados financeiros e preferências políticas.
- O método mostrou que o efeito de tratamento no grupo que desistiu foi quase o dobro do observado no grupo completo.
- Ao agregar os efeitos, o efeito médio global (ATE) permaneceu significativo, mas a estimativa pontual mudou, destacando o viés de ignorar a desistência.
- Os intervalos de previsão do método proposto foram comparáveis em largura à imputação múltipla, mas muito mais estreitos que o CQR ponderado.
Finkel et al. (2024): Reanálise de um experimento sobre educação cívica na Tunísia.
- A desistência foi alta (~36-40%).
- Para algumas medidas de avaliação de regime, a inclusão do grupo desistente alterou a conclusão substantiva (ex: um efeito que era significativo apenas a 5% no grupo observado tornou-se significativo a 1% no grupo total).
- O método CISE produziu intervalos de previsão mais curtos e precisos que as alternativas.

5. Significância e Conclusão

O artigo demonstra que a Inferência Conformal com Estimadores Semiparamétricos Eficientes oferece uma base mais sólida para a inferência causal na presença de desistência experimental.

Vantagens: O método é robusto (não depende de suposições paramétricas sobre a distribuição dos dados), preciso (produz intervalos mais estreitos que métodos conservadores) e válido (garante cobertura nominal).
Implicações para Pesquisa: Permite que pesquisadores comparem efeitos de tratamento entre participantes que permaneceram, os que desistiram e a amostra total, evitando conclusões enganosas derivadas da exclusão sistemática de subgrupos.
Limitações: O método ainda requer a suposição de MAR (Dados Faltantes Aleatórios); se a desistência depender de fatores não observados (MNAR), o viés persistirá. Além disso, a necessidade de dividir os dados para treinamento e calibração reduz ligeiramente a eficiência em amostras muito pequenas.

Em suma, este trabalho avança a metodologia de inferência causal ao fornecer ferramentas práticas para lidar com um dos problemas mais comuns e problemáticos em experimentos de ciências sociais, garantindo que as conclusões sobre efeitos de tratamento sejam robustas mesmo na presença de dados incompletos.