Semiparametric Efficient Test for Interpretable Distributional Treatment Effects

Resumo Técnico: Teste Semiparamétrico Eficiente para Efeitos de Tratamento Distribucionais Interpretáveis

Enunciação do Problema
Os efeitos médios de tratamento (ATE) são frequentemente insuficientes para questões causais envolvendo risco, heterogeneidade ou resultados estruturados (por exemplo, imagens, sequências). Um tratamento pode preservar o resultado médio enquanto altera significativamente a dispersão, as caudas, a multimodalidade ou a probabilidade de eventos raros. Embora os embeddings de média de kernel permitam testar discrepâncias distribucionais através da Discrepância Máxima de Média (MMD), os testes globais de kernel carecem de interpretabilidade; uma rejeição indica que duas leis de resultados intervencionais diferem, mas não revela onde no espaço de resultados a diferença se manifesta. Além disso, em cenários observacionais, testes ingênuos de localização finita são confundidos, porque amostras tratadas e de controle observadas não revelam diretamente os contrastes contrafactuais necessários para inferência válida.

Metodologia: DR-ME
Os autores propõem o DR-ME (Embedding de Média Duplamente Robusto), um teste semiparametricamente eficiente de localização finita para efeitos causais distribucionais. O método opera em três etapas:

1. Testemunha Causal de Localização Finita:
   Em vez de testar a discrepância global do RKHS $\Delta = \chi(1) - \chi(0)$, o método projeta essa discrepância em um conjunto finito de $J$ localizações de resultado $V = (v_1, \dots, v_J)$. O parâmetro-alvo é o vetor de dimensão finita $\mu_V = (w(v_1), \dots, w(v_J))^\top$, onde $w(y)$ é a função testemunha de kernel que representa a discrepância entre as leis intervencionais na localização $y$.

2. Características Ortogonais Duplamente Robustas:
   Para estimar $\mu_V$ a partir de dados observacionais $Z=(X, A, Y)$ sob confusão, os autores derivam uma característica aumentada de inversão de propensão ortogonal. Seja $\pi$ a pontuação de propensão e $r_a$ as regressões de resultado. A característica específica do braço é:
   $$\phi_a^V(Z; \eta) = \frac{\mathbb{1}\{A=a\}}{\pi(a|X)}(k_V(Y) - r_a(X; V)) + r_a(X; V)$$
   O contraste duplamente robusto é $z_{dr}^V(Z; \eta) = \phi_1^V - \phi_0^V$. Os autores provam que a versão centralizada desta característica, $\psi_V(Z) = z_{dr}^V(Z; \eta_0) - \mu_V$ (onde $\eta_0$ é o incômodo verdadeiro), é o gradiente canônico de $\mu_V$ no modelo não paramétrico. Esta ortogonalidade garante que os erros de estimação nos parâmetros de incômodo (propensão e regressão) entrem apenas através de resíduos de segunda ordem, desde que seja utilizado cross-fitting ou divisão de amostra.

3. Geometria de Teste Local Eficiente:
   A estatística de teste é uma forma quadrática do tipo Hotelling:
   $$\hat{\lambda}_{n,V}^{dr} = n \bar{z}_{n,V}^{dr\top} (S_{n,V}^{dr} + \gamma_n I_J)^{-1} \bar{z}_{n,V}^{dr}$$
   onde $\bar{z}_{n,V}^{dr}$ é a média empírica das características com cross-fitting e $S_{n,V}^{dr}$ é a covariância amostral.

   • Teoria de Poder Local: Sob alternativas locais que se aproximam da hipótese nula à taxa $n^{-1/2}$, a estatística converge para uma distribuição qui-quadrado não central. O parâmetro de não centralidade é determinado pelo desvio local branqueado $\lambda_V(g) = \eta_V(g)^\top \Sigma_V^{-1} \eta_V(g)$, onde $\eta_V(g)$ é a derivada direcional da testemunha e $\Sigma_V$ é a covariância do gradiente canônico.
   • Aprendizado de Localização: Os autores argumentam que a magnitude bruta da testemunha não é o objetivo de aprendizado ótimo. Em vez disso, as localizações devem ser aprendidas maximizando o critério de poder local estabilizado por ridge:
     $$P_\tau(V) = \mu_V^\top (\Sigma_V + \tau I_J)^{-1} \mu_V$$
     Este critério seleciona localizações que maximizam a relação sinal-ruído após contabilizar a geometria de covariância eficiente. A divisão de amostra é empregada: os incômodos são ajustados em $I_\eta$, as localizações são aprendidas em $I_{tr}$ e o teste final é computado em uma divisão independente $I_{te}$. Isso garante que a teoria de hipótese nula de localização fixa se aplique pós-seleção.

Principais Contribuições

1. Formulação de Teste de Localização Finita Interpretável: O artigo formula um teste para efeitos de tratamento distribucionais que avalia a testemunha do RKHS intervencional em localizações de resultado específicas e aprendidas, fornecendo coordenadas de discrepância causal interpretáveis.
2. Derivação do Gradiente Canônico: Os autores derivam o gradiente canônico para o sinal de localização finita, mostrando que ele assume a forma de uma característica ortogonal e duplamente robusta. Isso estabelece o vínculo teórico entre o estimador de dados observados e o experimento limite eficiente.
3. Teoria de Eficiência Local Semiparamétrica: O artigo caracteriza o limite de teste local para localizações fixas, provando que a estatística DR-ME atinge o experimento gaussiano de sinal finito eficiente. Isso resulta em um limite nulo $\chi^2_J$ e um limite de poder local não central $\chi^2_J$, governados pelo sinal branqueado pela covariância.
4. Aprendizado de Localização Principiado: Usando a geometria de eficiência derivada, os autores propõem um critério de aprendizado de localização que maximiza o poder local branqueado. Eles provam a consistência uniforme do critério empírico sob divisão de amostra.

Resultados
Experimentos em dados sintéticos e semissintéticos (incluindo imagens médicas OCTMNIST) demonstram:

• Calibração: Sob confusão observacional, o DR-ME mantém taxas de erro Tipo-I próximas ao nominal, enquanto estimadores de plug-in ingênuos e variantes sem divisão rejeitam em excesso.
• Poder: O DR-ME é competitivo com testes globais de kernel duplamente robustos (por exemplo, DR-xKTE) em alternativas de deslocamento de média, mas demonstra poder superior em alternativas de deslocamento de variância e pico localizado. Isso confirma que concentrar o poder em coordenadas específicas e aprendidas é vantajoso quando os efeitos distribucionais são esparsos.
• Interpretabilidade: No estudo de imagens médicas semissintético, as localizações aprendidas localizaram com sucesso regiões da retina onde as leis de imagem intervencionais diferiam em distribuição, apesar do tratamento não ter efeito no resíduo médio. Essa localização foi invisível para contrastes de média.
• Branqueamento de Covariância: Estudos de ablação mostram que aprender localizações através do critério branqueado por covariância (maximizando a relação sinal-ruído) produz poder significativamente maior do que maximizar a norma bruta da testemunha ou usar localizações aleatórias, particularmente em espaços de resultados de alta dimensão.

Significado e Alegações
O artigo alega fornecer o primeiro teste de localização finita semiparametricamente eficiente para efeitos de tratamento distribucionais interpretáveis. Seu significado reside em preencher a lacuna entre o poder dos testes globais de kernel e a interpretabilidade dos diagnósticos de localização finita. Ao derivar o gradiente canônico e estabelecer a geometria de teste local eficiente, os autores fornecem um framework principiado para aprender onde testar no espaço de resultados. O método é complementar aos testes globais: enquanto os testes globais oferecem sensibilidade omnibus, o DR-ME visa coordenadas de testemunha interpretáveis e localmente eficientes. Os autores notam que a teoria atual assume tratamentos pontuais sob confusão observada e que extensões para configurações longitudinais ou de variável instrumental exigiriam novos gradientes canônicos. Eles também sugerem que trabalhos futuros poderiam explorar kernels profundos ou classes de busca estruturadas (por exemplo, para sequências de DNA) para aprimorar ainda mais a aplicabilidade do método.