Copula-Based Endogeneity Correction for Doubly Robust Estimation of Treatment Effect

Resumo Técnico: Correção de Endogeneidade Baseada em Copula para Estimativa Duplamente Robusta do Efeito do Tratamento

Declaração do Problema
A estimativa Duplamente Robusta (DR) é uma abordagem padrão para inferência causal em estudos observacionais, oferecendo consistência se o modelo de escore de propensão (tratamento) ou o modelo de regressão de desfecho estiverem corretamente especificados. No entanto, este método depende da suposição intestável de não-confundibilidade, que exige que todas as causas comuns de tratamento e desfecho sejam observadas. Na pesquisa em saúde, essa suposição é frequentemente violada porque variáveis-chave (por exemplo, adesão à medicação, alfabetização em saúde) são inobserváveis. Os pesquisadores frequentemente recorrem a variáveis proxy (por exemplo, taxas de reabastecimento de prescrições) para aproximar esses comportamentos. Essas proxies são frequentemente endógenas — correlacionadas com o termo de erro da regressão devido a confundimento não medido ou erro de medição.

Quando as covariáveis são endógenas, a suposição de não-confundibilidade falha. Consequentemente, os estimadores DR padrão tornam-se enviesados, mesmo que as formas funcionais dos modelos de tratamento e desfecho estejam corretamente especificadas, porque as variáveis de condicionamento em si contêm confundimento não observado. As soluções existentes enfrentam limitações: Variáveis Instrumentais (VI) exigem restrições de exclusão que são frequentemente intestáveis e difíceis de satisfazer na área da saúde; a análise de sensibilidade delimita o impacto das violações, mas não corrige as estimativas; e os métodos padrão baseados em copula abordam a endogeneidade, mas carecem da propriedade de dupla robustez contra má especificação do modelo.

Metodologia: O Estimador CEDR
Os autores propõem o estimador Duplamente Robusto Ajustado de Endogeneidade Corrigido por Copula (CEDR). Este método integra correções de copula Gaussiana para covariáveis endógenas no framework DR, visando fornecer estimativas consistentes do efeito do tratamento sem exigir variáveis instrumentais.

A metodologia procede da seguinte forma:

1. Framework: A abordagem adota o framework de resultados potenciais. Ela partitiona as covariáveis observadas ($X_i$) em componentes exógenos ($X_i^{exo}$) e componentes endógenos ($X_i^{endo}$).
2. Correção por Copula: Para cada covariável endógena, o método constrói uma função de controle baseada na copula Gaussiana. Isso depende de três suposições-chave:
   • A covariável endógena possui distribuição não normal.
   • A dependência entre a covariável endógena e o termo de erro estrutural segue uma estrutura de copula Gaussiana.
   • O termo de erro estrutural possui distribuição normal.
     O termo de copula é definido como $C(X_i^{endo}) = \Phi^{-1}(\hat{F}_X(X_i^{endo}))$, onde $\hat{F}_X$ é uma função de distribuição acumulada empírica (ECDF) ajustada para evitar problemas de fronteira, e $\Phi^{-1}$ é a função quantil (CDF inversa) da normal padrão.
3. Estimação em Dois Passos:
   • Passo 1 (Estimação do Modelo): O modelo de escore de propensão (usando um link probit para alinhar com as suposições de erro normal) e os modelos de regressão de desfecho são estimados usando covariáveis aumentadas $\tilde{X}_i = (X_i, C_i)$, onde $C_i$ representa o vetor de termos de correção por copula. Este passo absorve a correlação entre covariáveis endógenas e o termo de erro.
   • Passo 2 (Estimação DR): Para o cálculo final do Efeito Médio do Tratamento (ATE), os termos de copula são excluídos da etapa de previsão. Os coeficientes corrigidos para viés das covariáveis originais ($X_i$) são retidos e substituídos na fórmula padrão do estimador DR. Isso preserva a propriedade de dupla robustez: o estimador permanece consistente se o modelo de escore de propensão corrigido por copula ou o modelo de desfecho corrigido por copula estiverem corretamente especificados.
4. Inferência: Como os termos de copula são geradores de regressores, os autores recomendam o uso de métodos de bootstrap para obter erros padrão e intervalos de confiança válidos.

Contribuições Principais

• Integração de Métodos: O artigo preenche a lacuna entre a correção de endogeneidade baseada em copula e a estimativa duplamente robusta, abordando simultaneamente endogeneidade e incerteza do modelo.
• Identificação sem Instrumentos: Diferentemente dos métodos de VI, o CEDR não exige instrumentos válidos. Em vez disso, ele explora a não-normalidade das covariáveis endógenas para identificação, uma condição que pode ser avaliada empiricamente por meio de testes diagnósticos.
• Preservação da Robustez: Os autores demonstram que o estimador CEDR mantém a propriedade de dupla robustez, garantindo consistência mesmo que um dos dois modelos (tratamento ou desfecho) esteja mal especificado, desde que o outro esteja correto e as suposições de copula sejam válidas.

Resultados
O artigo avalia o CEDR por meio de simulações de Monte Carlo e uma aplicação empírica usando dados da Pesquisa Nacional de Exame de Saúde e Nutrição (NHANES).

• Simulações de Monte Carlo:

  • Em cenários sem endogeneidade ($\rho=0$), o CEDR desempenha de forma comparável ao estimador DR ingênuo, introduzindo viés negligenciável.
  • Sob endogeneidade moderada ($\rho=0.3$) e forte ($\rho=0.5$), o estimador DR ingênuo exibe viés substancial (variando de -7% a -28%, dependendo do cenário e da má especificação).
  • O estimador CEDR reduz significativamente esse viés (em mais de 80% em muitos casos), recuperando estimativas próximas ao verdadeiro efeito do tratamento, mesmo quando um modelo está mal especificado.
  • Existe uma compensação: o CEDR exibe variância (desvio padrão) ligeiramente maior do que o estimador ingênuo, particularmente sob endogeneidade forte, mas isso é superado pela redução substancial no viés.

• Aplicação Empírica (NHANES):

  • O estudo estima o efeito do aconselhamento nutricional sobre a pressão arterial, tratando a relação renda-pobreza e o IMC como proxies endógenas.
  • O estimador DR ingênuo sugeriu uma associação positiva estatisticamente significativa, indicando que o aconselhamento aumenta a pressão arterial em aproximadamente 2,85 mmHg.
  • O estimador CEDR reduziu a estimativa pontual para 1,75 mmHg, tornando o efeito estatisticamente insignificante (IC 95%: [-6,99, 7,34]).
  • Essa correção alinha os achados com a literatura existente que sugere efeitos modestos ou nulos do aconselhamento nutricional sobre a pressão arterial, enquanto a estimativa ingênua produziu um resultado contra-intuitivo provavelmente impulsionado pelo viés de endogeneidade.

Significado e Alegações
Os autores afirmam que o CEDR fornece uma ferramenta prática para pesquisadores em estudos observacionais de saúde onde variáveis proxy são endógenas e instrumentos válidos estão indisponíveis. O método aborda uma lacuna crítica onde os métodos DR padrão falham devido a confundimento não medido em variáveis proxy, e os métodos tradicionais baseados em copula falham em proteger contra má especificação do modelo.

O artigo nota modestamente que o método é atualmente limitado a tratamentos binários, dados transversais e exige que as covariáveis endógenas sejam suficientemente não normais para identificação. Também depende da especificação correta da estrutura de dependência da copula Gaussiana. Os autores alertam que, embora a aplicação no NHANES demonstre a utilidade do método, conclusões clínicas definitivas exigem validação adicional em múltiplos conjuntos de dados e comparação com evidências experimentais. O significado primário reside em oferecer um caminho viável para conclusões causais mais confiáveis em cenários onde estimativas observacionais padrão podem ser substancialmente enviesadas.