Causal Gaussian Processes for Robust Treatment Effect Evaluation with Unobserved Confounding

Resumo Técnico: Processos Gaussianos Causais para Avaliação Robusta de Efeitos de Tratamento com Confundimento Não Observado

Declaração do Problema

O desafio central abordado neste artigo é a avaliação de efeitos causais de tratamento a partir de dados observacionais contaminados por confundimento não observado. Em muitos cenários práticos, os efeitos causais alvo (ex: $E_x[Y]$) são não identificáveis a partir de dados observacionais isoladamente, pois confundidores não medidos introduzem correlações espúrias entre tratamentos ($X$) e resultados ($Y$).

Embora a regressão por Processos Gaussianos (GP) padrão se destaque na modelagem de mapeamentos funcionais complexos em domínios contínuos, ela é vulnerável ao aprender e amplificar vieses presentes em dados observacionais. Consequentemente, GPs padrão frequentemente falham em generalizar para distribuições intervencionais (o que aconteceria se $X$ fosse definido para um valor específico $x$), levando a avaliações de políticas incorretas. Estratégias robustas existentes frequentemente dependem de suposições paramétricas fortes, conhecimento prévio detalhado do ambiente ou são restritas a espaços discretos de tratamento e resultado, limitando sua aplicabilidade em domínios contínuos complexos.

Metodologia

Os autores propõem uma nova estrutura que faz a ponte entre a inferência causal não paramétrica e a modelagem por Processos Gaussianos através de três etapas metodológicas principais:

1. Discretização Universal de Domínios Exógenos
O artigo introduz um procedimento de discretização universal para as variáveis exógenas ($U$) em qualquer Modelo Causal Estrutural (SCM) com domínios de tratamento e resultado contínuos.

• Os autores definem um Modelo Canônico Causal (CCM) onde as funções estruturais que determinam covariáveis ($Z$), ações ($X$) e recompensas ($Y$) são funções simples (combinações lineares de funções indicadoras sobre subconjuntos disjuntos do domínio exógeno).
• O Teorema 3.3 estabelece que o conjunto desses Modelos Canônicos Causais é denso no espaço de todos os SCMs em relação à norma $L_1$. Isso significa que, para qualquer modelo causal arbitrário e qualquer precisão desejada $\epsilon$, existe um CCM que aproxima tanto a distribuição observacional $P(X, Y, Z)$ quanto os efeitos de tratamento intervencionais $E_x[Y|z]$ dentro de $\epsilon$.

2. Reparametrização em Modelos Generativos Causais (CGM)
Para facilitar o aprendizado, as funções simples discretas do CCM são reparametrizadas em Modelos Generativos Causais (CGM) utilizando funções contínuas.

• Em um CGM, a população é estratificada em um número finito de estados latentes (estratos) $u \in \{1, \dots, d\}$.
• Dentro de cada estrato, a função de recompensa $h_u(x, z)$ é uma função contínua que mapeia tratamento e covariáveis para o resultado.
• O Teorema 4.2 confirma que esta família de CGMs retém a propriedade de aproximação causal, representando efetivamente qualquer distribuição observacional e intervencional de um SCM.

3. Processos Gaussianos Causais (CGP) e Inferência Variacional
Os autores instanciam a família CGM utilizando Processos Gaussianos para lidar com a natureza contínua das funções de recompensa $h_u$.

• Estrutura do Modelo: A distribuição exógena $P(u)$ é modelada via um processo de quebra de graveto (stick-breaking process) de Dirichlet truncado. Para cada estrato latente $u$, as covariáveis $Z$ e o tratamento $X$ são extraídos de distribuições normais multivariadas condicionais. O resultado $Y$ é gerado por uma função $h_u(x, z)$ extraída de um Processo Gaussiano com um kernel específico (ex: Função de Base Radial).
• Aprendizado: Como a inferência posterior exata é intratável, os autores empregam Inferência Variacional (VI) com aproximação de campo médio (mean-field). O modelo aprende uma distribuição posterior sobre as atribuições de estratos latentes e os parâmetros dos processos gaussianos.
• Inferência: O efeito de tratamento alvo $E_x[Y|z]$ é computado através da média das funções de recompensa aprendidas $h_u(x, z)$, ponderadas pela probabilidade posterior do estrato latente $P(u|z)$. Isso permite que o modelo "busque" sobre potenciais partições do domínio exógeno para encontrar uma explicação robusta dos dados que dê conta do confundimento não observado.

Principais Contribuições

1. Discretização Universal: O artigo fornece uma prova formal de que domínios exógenos em modelos causais contínuos podem ser discretizados sem perda de generalidade para aproximar qualquer modelo causal e suas distribuições observacionais e intervencionais com precisão arbitrária.
2. Família de Processos Gaussianos Causais (CGP): Os autores desenvolvem uma nova família de modelos generativos que reparametrizam a discretização canônica em uma forma compatível com a inferência bayesiana padrão e frameworks de deep learning.
3. Identificação Parcial Robusta: A estrutura permite a derivação de distribuições posteriores robustas sobre efeitos causais a partir de dados observacionais com confusão, realizando efetivamente a identificação parcial em domínios contínuos sem exigir suposições paramétricas fortes sobre as funções estruturais subjacentes.

Resultados Experimentais

Os autores avaliaram o CGP proposto contra a regressão por Processo Gaussiano padrão em conjuntos de dados sintéticos com várias funções de recompensa (Polinomial, Logística, Fase, Linear) e um conjunto de dados do mundo real do International Stroke Trial (IST).

• Métrica: O desempenho foi medido usando a Log-Verossimilhança Negativa Preditiva (NLPL) em dados intervencionais (dados de ensaios randomizados ou intervenções simuladas).
• Descobertas:
  • Os GPs padrão consistentemente sofreram overfitting dos dados observacionais confundidos, resultando em altos escores de NLPL e falha na generalização para distribuições intervencionais.
  • Os GPs Causais consistiram em alcançar escores de NLPL significativamente menores em todos os experimentos sintéticos e do mundo real.
  • As distribuições posteriores aprendidas pelo CGP capturaram com sucesso os verdadeiros efeitos de tratamento, enquanto os GPs padrão desviaram-se significativamente devido ao confundimento não observado.

Significância e Alegações

O artigo afirma que este trabalho generaliza o particionamento canônico de modelos causais estruturais (previamente estabelecido para domínios discretos) para domínios contínuos. Ao introduzir uma propriedade de discretização universal, os autores demonstram que é possível aproximar mecanismos causais complexos e desconhecidos com um número finito de estados latentes.

A significância reside em fornecer uma abordagem robusta e orientada a dados para a inferência causal em configurações onde:

• O confundimento não observado está presente.
• As variáveis são contínuas.
• O conhecimento paramétrico detalhado do processo generativo não está disponível.

Os autores afirmam que seu método permite a "identificação parcial robusta" de efeitos causais, permitindo que aprendizes infiram efeitos de tratamento que se generalizam para cenários intervencionais mesmo quando os dados observacionais são enviesados. O trabalho posiciona os CGPs como uma ferramenta que automatiza a discretização de espaços latentes, tornando a inferência causal robusta viável em ambientes contínuos complexos do mundo real.