Resumo Técnico: Inferência Causal com Confundidor Não Observado Categórico via Aprendizado de Mistura

Declaração do Problema

A estimação de efeitos causais a partir de dados observacionais é fundamentalmente desafiada pelo confundimento não observado — variáveis latentes que influenciam tanto a atribuição do tratamento quanto os resultados. Métodos padrão, como regressão ou pareamento por escore de propensão, falham quando esses confundidores não são medidos, levando a estimativas enviesadas (por exemplo, o paradoxo de Simpson).

A literatura existente tenta abordar isso por meio de duas vias principais, ambas enfrentando limitações:

1. Inferência Causal Proximal: Utiliza variáveis proxy (controles negativos) para identificar efeitos causais. No entanto, os quadros atuais (por exemplo, Miao et al., 2018; Tchetgen Tchetgen et al., 2020) exigem que os proxies sejam rigidamente classificados em papéis assimétricos: proxies indutores de tratamento, proxies indutores de resultado e causas comuns. Na prática, encontrar variáveis que satisfaçam essas condições específicas e assimétricas é frequentemente difícil.
2. Múltiplos Tratamentos (o "Deconfounder"): Aproveita múltiplos tratamentos condicionalmente independentes para inferir estrutura latente (Wang and Blei, 2019). Embora conceitualmente promissor, as condições de identificabilidade para essa abordagem são debatidas (Ogburn et al., 2019), e os métodos de estimação existentes frequentemente dependem de algoritmos heurísticos (por exemplo, Maximização de Expectativa) que carecem de garantias de convergência global ou consistência em amostras finitas.

Este artigo preenche a lacuna ao estabelecer que os efeitos causais são identificáveis tanto em configurações de múltiplos proxies quanto de múltiplos tratamentos quando o confundidor não observado é categórico (assumindo um número finito de valores). Os autores propõem um quadro baseado em aprendizado de mistura e decomposição tensorial para recuperar a estrutura de confundimento latente sem exigir classificação assimétrica de proxies ou estimação heurística.

Metodologia

A ideia central é que, quando o confundidor latente $U$ é categórico e existem pelo menos três visões condicionalmente independentes (proxies ou tratamentos), o problema de identificação reduz-se à recuperação de uma distribuição de mistura finita. Os autores utilizam o método dos momentos via decomposição tensorial para alcançar isso.

1. Configuração de Múltiplos Proxies

O quadro assume um confundidor latente $U \in \{1, \dots, K\}$ e $p \ge 3$ variáveis proxy $Z_1, Z_2, Z_3$ que são condicionalmente independentes dado $U$. Diferentemente de trabalhos anteriores, esses proxies não precisam ser classificados em papéis causais específicos; são tratados simetricamente.

• Identificação: Sob as hipóteses de independência condicional e independência linear das medidas condicionais, os parâmetros da distribuição de mistura (pesos de mistura $\pi_u$ e densidades de componente $P_{v,u}$) são estritamente identificáveis até permutação (Allman et al., 2009).
• Procedimento de Estimação:
  1. Aprendizado Tensorial Não Supervisionado: Aplicar decomposição tensorial robusta (Anandkumar et al., 2014) à distribuição conjunta dos proxies para estimar os pesos de mistura $\hat{\pi}$ e as densidades de componente $\hat{f}_{v,u}$.
  2. Recuperação Posterior: Calcular a probabilidade posterior do estado latente para cada unidade: $\hat{w}_u(Z) = P(U=u|Z)$.
  3. Estimação do Modelo de Tratamento: Regressar o tratamento $A$ em características ponderadas pelos posteriores recuperados para estimar parâmetros de tratamento específicos por cluster.
  4. Estimação do Modelo de Resultado: Atualizar os posteriores para levar em conta a atribuição do tratamento ($P(U=u|A, Z)$) e regressar o resultado $Y$ em características ponderadas por esses posteriores atualizados para estimar parâmetros de resultado específicos por cluster.
  5. Cálculo do Efeito Causal: Calcular o Efeito Médio do Tratamento (ATE) e o Efeito Médio Condicional do Tratamento (CATE) integrando sobre a estrutura latente recuperada.

2. Configuração de Múltiplos Tratamentos

O quadro estende-se a cenários sem proxies, mas com múltiplos tratamentos (pelo menos três) condicionalmente independentes $A_1, A_2, A_3$.

• Identificação: Similar à configuração de proxies, a distribuição conjunta dos tratamentos permite a identificação única dos parâmetros da mistura latente.
• Estimação: Uma decomposição tensorial é aplicada diretamente às variáveis de tratamento para recuperar o prior latente e as probabilidades de emissão. Estes são então utilizados para construir características ponderadas para uma regressão final no resultado, a fim de estimar parâmetros causais.

3. Garantias Teóricas

O artigo fornece limites de erro não assintóticos para todo o pipeline de estimação.

• Consistência em Amostra Finita: Os autores derivam limites de erro para a etapa de decomposição tensorial (estimando posteriores) e propagam esses erros através das etapas subsequentes de regressão.
• Convergência: O algoritmo proposto alcança consistência em amostra finita para o parâmetro causal (ATE), com um limite de erro de $O(\log(\delta) \cdot n^{-\frac{b}{2b+7d}})$, onde $b$ é um parâmetro de suavidade e $d$ é a dimensão dos proxies.
• Convergência Global: Diferentemente dos algoritmos EM, o método de potência tensorial utilizado garante convergência global sob condições de não degenerescência leves.

Contribuições Principais

1. Hipóteses de Proxy Relaxadas: O artigo introduz um quadro causal de múltiplos proxies que não exige a classificação rígida de proxies em exposições ou resultados de controle negativo. Exige apenas uma coleção de três ou mais proxies condicionalmente independentes.
2. Identificabilidade e Estimação: Os autores estabelecem a identificabilidade dos parâmetros do modelo e dos estimandos causais (ATE, CATE) para ambas as configurações de múltiplos proxies e múltiplos tratamentos, sob a hipótese de um confundidor latente categórico.
3. Estabilidade Algorítmica: Propõem um procedimento de estimação eficiente baseado em decomposição tensorial que oferece garantias de convergência global, evitando os problemas de ótimos locais comuns na inferência variacional ou EM.
4. Teoria de Amostra Finita: O artigo fornece limites rigorosos de erro em amostra finita para a estimação não paramétrica das distribuições posteriores latentes e dos parâmetros causais subsequentes, culminando em uma garantia de consistência para o ATE.
5. Generalização Não Paramétrica: Os resultados de identificabilidade são estendidos para um cenário não paramétrico mais amplo (Teorema 5.2), embora a implementação algorítmica específica para o caso totalmente não paramétrico seja notada como trabalho futuro.

Resultados Experimentais

Os autores validam seu método por meio de simulações e análise de dados do mundo real:

• Simulações: Tanto nas configurações de múltiplos proxies quanto de múltiplos tratamentos, o estimador proposto demonstra convergência para os coeficientes causais verdadeiros à medida que o tamanho da amostra aumenta, apresentando bom desempenho mesmo com dados limitados.
• Dados Reais (Conjunto de Dados BWGHT): O método foi aplicado para estimar o efeito do tabagismo materno no peso ao nascer do bebê. O confundidor não observado foi identificado como o status socioeconômico familiar latente.
  • Usando três proxies (renda familiar, educação do pai, educação da mãe), a decomposição tensorial recuperou uma estrutura latente trivalente ($K=3$).
  • Os clusters resultantes alinharam-se com o consenso epidemiológico (classes desfavorecidas de alto risco, classe intermediária discordante e classes altamente favorecidas protetoras).
  • O efeito causal estimado do tabagismo foi negativo em todas as estratificações latentes, reforçando achados anteriores sobre a restrição do crescimento fetal induzida pelo tabagismo.

Significado e Alegações

O artigo afirma estabelecer uma "ponte concreta entre aprendizado de mistura e inferência causal". Ao reformular o problema do confundimento categórico não observado como um problema de identificação de mistura latente, os autores evitam os problemas inversos mal-postos típicos das abordagens de equações integrais usadas na inferência causal proximal.

O significado deste trabalho reside em:

• Praticidade: Remove a difícil exigência de encontrar controles negativos assimétricos, tornando a inferência causal proximal mais aplicável a domínios onde tais variáveis são difíceis de identificar.
• Rigor Teórico: Fornece o primeiro método de estimação consistente para a configuração de múltiplos tratamentos com garantias de convergência global e limites de erro em amostra finita, abordando as lacunas teóricas na literatura do "Deconfounder".
• Inovação Metodológica: Demonstra que a decomposição tensorial pode ser efetivamente aproveitada para "desmisturar" distribuições de confundidores latentes, permitindo a recuperação causal consistente em cenários anteriormente considerados intratáveis sem fortes suposições paramétricas ou condições de identificação não testáveis.

Os autores permanecem modestos quanto às direções futuras, observando que, embora seus resultados atuais tratem as distribuições de proxies de forma não paramétrica, o algoritmo de estimação assume formas paramétricas para os modelos de tratamento e resultado. Generalizar o quadro para uma configuração totalmente não paramétrica para estimação é identificado como uma extensão natural para pesquisas futuras.