Beyond Coefficients: Forecast-Necessity Testing for Interpretable Causal Discovery in Nonlinear Time-Series Models

Título: Além dos Coeficientes: Teste de Necessidade de Previsão para Descoberta Causal Interpretável em Modelos de Séries Temporais Não Lineares

Autores: Valentina Kuskova, Dmitry Zaytsev e Michael Coppedge (Universidade de Notre Dame).

---

1. O Problema

O uso de modelos de aprendizado de máquina não lineares (como redes neurais autoregressivas) para descobrir relações causais em dados de séries temporais tem crescido. No entanto, a interpretação desses modelos enfrenta um desafio fundamental:

• Interpretação Equivocada de Coeficientes: As "pontuações causais" (causal scores) geradas por esses modelos são frequentemente tratadas como análogas aos coeficientes de regressão linear ou estatísticas de teste.
• Falha da Magnitude: Em sistemas não lineares, regularizados e altamente dependentes, uma grande pontuação causal pode refletir apenas persistência temporal, redundância entre preditores ou efeitos específicos de regimes, e não uma relevância causal genuína.
• O Risco: Relações críticas para a precisão da previsão podem ter contribuições médias modestas (e serem ignoradas), enquanto relações redundantes podem ter pontuações altas (e serem erroneamente consideradas essenciais). Isso leva a conclusões enganosas sobre quais variáveis são realmente importantes.

2. Metodologia Proposta

Os autores propõem uma mudança de paradigma: avaliar a relevância causal não pela magnitude do parâmetro, mas pela Necessidade de Previsão (Forecast Necessity).

Definição de Necessidade de Previsão

Uma relação causal é considerada "necessária" se a sua remoção de um modelo preditivo resultar em uma degradação estatisticamente significativa no desempenho de previsão fora da amostra (out-of-sample). Isso operacionaliza um critério de dependência preditiva no estilo de Granger, adaptado para ambientes não lineares.

Framework de Avaliação

O método proposto baseia-se em dois pilares principais:

1. Ablação de Arestas (Edge Ablation):
   • Para cada relação candidata ($j \to i$), constrói-se um modelo restrito onde a função de contribuição não linear da variável fonte $j$ para o alvo $i$ é removida (zerada).
   • Diferente de modelos lineares, isso não envolve apenas mascarar coeficientes, mas remover toda a função de contribuição aprendida, mantendo o restante do modelo inalterado (sem retreinamento), aproveitando a estrutura aditiva do modelo.
2. Comparação de Previsão (Teste Diebold-Mariano):
   • Compara-se o erro de previsão (MSE) do modelo completo versus o modelo restrito em dados de validação.
   • Calcula-se a diferença de perda ($d_t$) entre os modelos.
   • Aplica-se o Teste de Diebold-Mariano (DM) unilateral para verificar se a média da diferença de perda é estatisticamente maior que zero ($H_0: E[d_t] = 0$ vs. $H_1: E[d_t] > 0$).
   • Se o teste rejeitar a hipótese nula, a aresta é classificada como "necessária para previsão".

Modelo de Caso (NAVAR)

O framework foi aplicado ao Neural Additive Vector Autoregression (NAVAR). O NAVAR modela cada variável alvo como uma soma de funções não lineares univariadas de variáveis fonte com lags. Essa estrutura aditiva permite isolar e remover contribuições individuais de forma precisa.

3. Estudo de Caso: Desenvolvimento Democrático

• Dados: Utilizou-se o dataset Varieties of Democracy (V-Dem), cobrindo 139 países de 1990 a 2024 (painel balanceado).
• Objetivo: Modelar a interdependência de 16 componentes de democracia (ex.: sufrágio, liberdade de expressão, integridade eleitoral) para ilustrar como diferentes noções de causalidade levam a interpretações distintas.
• Configuração: Treinamento nos anos 1990-2019 e validação/teste de necessidade nos anos 2020-2024.

4. Resultados Principais

O estudo demonstrou uma divergência substancial entre a magnitude da pontuação causal e a necessidade de previsão:

• Exemplo Concreto (Sufrágio):
  • Fonte 2 ("Acesso Igual"): Apresentou a maior pontuação causal no NAVAR (0.0065). No entanto, ao ser removida, a precisão da previsão não mudou significativamente (Teste DM: $p = 0.154$). Conclusão: Não é necessária (redundante).
  • Fonte 1 ("Proteção Igual"): Apresentou uma pontuação causal ligeiramente menor (0.0056). Contudo, sua remoção causou uma degradação drástica na previsão (Teste DM: $p \approx 1.5 \times 10^{-8}$). Conclusão: É necessária.
• Fenômenos Identificados:
  • Persistência Temporal: Pontuações altas muitas vezes refletem a inércia da própria variável, não influência cruzada.
  • Redundância: Variáveis correlacionadas podem inflar pontuações, mas a remoção de uma não afeta a previsão se a outra estiver presente.
  • Efeitos Consistentes vs. Esporádicos: Relações com efeitos menores, mas consistentes ao longo do tempo, provaram ser mais indispensáveis para a previsão do que relações com grandes contribuições esporádicas.

5. Contribuições Chave

1. Formalização da Necessidade de Previsão: Estabelece um critério interpretável e testável para relevância causal em modelos não lineares, focando no comportamento do modelo (perda de capacidade preditiva) em vez de valores de parâmetros abstratos.
2. Framework de Avaliação Geral: Propõe um pipeline de duas etapas (Pontuação Causal + Teste de Necessidade via Ablação e DM) que distingue entre contribuições frequentes, grandes e indispensáveis.
3. Evidência Empírica: Demonstra que confiar apenas na magnitude dos coeficientes em sistemas complexos leva a erros sistemáticos de raciocínio causal, especialmente em domínios de alto risco.

6. Significado e Impacto

• Mudança de Paradigma: O trabalho desloca o foco da "inspeção de coeficientes" para a "avaliação comportamental". Isso alinha a interpretação de IA com o raciocínio contrafactual (o que acontece se removermos X?).
• Aplicabilidade Prática: Oferece uma ferramenta para validar quais relações descobertas por modelos de "caixa-preta" ou "caixa-cinza" são realmente essenciais para a tomada de decisão, evitando falsas certezas baseadas em redundância.
• Limitações e Futuro: O método é dependente do modelo específico e do contexto de previsão. O teste DM em modelos aninhados pode ser conservador. Trabalhos futuros visam estender isso para arquiteturas não aditivas e integrar correções estatísticas mais refinadas (como Clark-West).

Conclusão: Para sistemas de IA aplicados em domínios críticos (como política, economia ou saúde), a descoberta causal deve ser validada pela necessidade de previsão. Apenas saber que uma variável "contribui" não é suficiente; é crucial saber se a previsão falha sem ela.