Resumo Técnico: Aprendizado de Representação para Análise de Mediação Causal Semiparamétrica sob Ausência de Heterogeneidade Essencial

1. Definição do Problema

O objetivo primário de muitos experimentos randomizados é estimar não apenas o efeito total do tratamento, mas também os mecanismos causais subjacentes, especificamente o efeito indireto mediado por uma variável intermediária $M$. Um desafio metodológico significativo surge quando existem confundidores não mensurados entre o mediador e o desfecho. Nesses casos, a suposição clássica de Ignorabilidade Sequencial (SI) — que exige a ausência de confusão não mensurada entre mediador e desfecho condicional às covariáveis observadas — é violada, levando a estimativas inconsistentes.

Embora os Modelos Estruturais Aninhados (SNMs) e a G-estimação ofereçam um arcabouço para lidar com confusão não mensurada, as aplicações tradicionais frequentemente dependem da suposição de "Preservação de Rank" (Rank Preservation). Esta suposição é frequentemente criticada por ser excessivamente restritiva, pois implica que os desvios individuais do modelo estrutural são idênticos em todos os regimes contrafatuais, efetivamente descartando a heterogeneidade individual nos efeitos do tratamento ou do mediador.

Para abordar isso, Zheng e Zhou (2015) propuseram um modelo de média estrutural mais geral baseado na suposição de "Ausência de Heterogeneidade Essencial" (NEH - No Essential Heterogeneity). Embora a NEH permita confundidores não mensurados e modificação de efeito arbitrária através de covariáveis observadas, ela depende de uma função de peso ótima para a G-estimação que depende do Efeito de Tratamento Médio Condicional (CATE) do tratamento sobre o mediador. Em cenários com covariáveis de alta dimensão e efeitos do mediador não lineares, estimar este CATE com precisão é difícil. Abordagens lineares padrão ou regressões separadas (T-learners) frequentemente falham em capturar a heterogeneidade complexa, levando a pesos subótimos e uma perda de eficiência nas estimativas finais dos parâmetros estruturais.

2. Metodologia: O Framework UNIT

Os autores propõem o UNIT (Unmeasured-confounding-robust NEH-based Identification with TARNet), um estimador de dois estágios que integra aprendizado de representação profunda com G-estimação.

Arcabouço Teórico

O método opera sob as seguintes suposições principais:

1. Consistência/SUTVA: Suposições padrão relativas aos desfechos potenciais.
2. Ignorabilidade do Tratamento: A atribuição do tratamento é independente dos desfechos potenciais e mediadores dadas as covariáveis pré-tratamento (satisfatória por randomização).
3. Ausência de Heterogeneidade Essencial (NEH): Os confundidores não observados não modificam as médias dos efeitos do tratamento ou do mediador. Esta é uma condição mais fraca que a Preservação de Rank, mas mais forte que a identificação não paramétrica total.
4. Especificação Estrutural Correta: A forma funcional do modelo de média estrutural é corretamente especificada.
5. Não-degenerescência: A matriz de pesos é não-degenerada, exigindo que o tratamento tenha um efeito heterogêneo no mediador.

Sob NEH, a função de peso ótima para a equação de G-estimação depende do CATE do mediador, $\tau_M(X) = E[M|T=1, X] - E[M|T=0, X]$.

O Algoritmo de Dois Estágios

Estágio 1: Aprendizado de Representação para Estimativa de Pesos
Em vez de usar regressões separadas (T-learners) ou modelos lineares, o UNIT emprega uma Rede de Representação Agnóstica ao Tratamento (TARNet).

• Arquitetura: A rede aprende uma representação compartilhada $\Phi(X)$ das covariáveis entre os braços de tratamento, seguida por cabeças de saída específicas para cada tratamento ($h_0$ para controle, $h_1$ para tratado).
• Mecanismo: O CATE do mediador é estimado como a diferença entre as duas cabeças: $\hat{\tau}_M(X) = h_1(\Phi(X)) - h_0(\Phi(X))$.
• Cross-fitting: Para evitar o sobreajuste (overfitting) e garantir propriedades assintóticas válidas, a TARNet é treinada usando cross-fitting. O CATE é estimado fora da amostra (out-of-fold) para cada unidade.
• Construção de Pesos: O CATE estimado é usado para construir o vetor de peso plug-in $\hat{W}(X) = (1, \hat{\tau}_M(X))^\top$, que é então centrado pela probabilidade de atribuição do tratamento para formar o instrumento $\hat{A}_i = (T_i - p)\hat{W}(X_i)$.

Estágio 2: G-Estimação Estrutural
Usando os pesos derivados no Estágio 1, os parâmetros estruturais $\theta$ são estimados resolvendo a equação de G-estimação empírica:
$$\sum_{i=1}^n \hat{A}_i \left( Y_i - \hat{g}^{(-)}(X_i) - H_i^\top \theta \right) = 0$$
onde $H_i$ representa as funções de base do modelo estrutural (por exemplo, indicadores de tratamento e mediador) e $\hat{g}^{(-)}$ é uma estimativa de cross-fitting do desfecho basal. Os autores observam que, sob um modelo de trabalho linear para o desfecho basal, este sistema possui uma solução de forma fechada.

3. Principais Contribuições

O artigo apresenta três contribuições primárias:

1. Vinculação da Qualidade da Representação à Eficiência: Os autores estabelecem um vínculo teórico e empírico claro entre a qualidade da representação $\Phi$ aprendida e a eficiência do estimador do parâmetro estrutural. Eles demonstram que um CATE estimado mais preciso gera uma matriz de peso plug-in mais informativa, reduzindo a variância assintótica de $\hat{\theta}$.
2. O Algoritmo UNIT: Eles propõem um algoritmo prático de dois estágios que combina a estimativa TARNet com cross-fitting e a G-estimação. Esta abordagem relaxa a forte suposição de Preservação de Rank em favor da suposição mais plausível de NEH, enquanto lida com a confusão não mensurada entre mediador e desfor.
3. Validação Empírica: Através de um estudo de simulação abrangente envolvendo covariáveis não gaussianas, efeitos de tratamento não lineares complexos e confusão não mensurada, os autores demonstram que os pesos baseados em TARNet melhoram significativamente a precisão das estimativas do coeficiente de mediação em comparação com abordagens clássicas (T-learners lineares, Random Forests) sem introduzir viés ou comprometer as taxas de cobertura.

4. Resultados de Simulação

Os autores avaliaram o UNIT através de sete cenários variando o grau de não linearidade, força do instrumento e a validade da suposição NEH.

• Estimativa de CATE (Estágio 1): Em cenários com efeitos do mediador não lineares, a TARNet superou significativamente a regressão Ridge linear e as Random Forests separadas (T-learners) na estimativa do CATE do mediador. A TARNet alcançou correlações mais altas com o CATE real e um erro quadrático médio normalizado (NRMSE) menor, particularmente em tamanhos de amostra moderados ($n \ge 1000$).
• Estimativa Estrutural (Estágio 2):
  • Eficiência: Em configurações não lineares, os pesos baseados em TARNet reduziram o erro padrão do coeficiente de mediação em aproximadamente 30–50% em comparação com T-learners lineares (razões de SE medianas de 1.45–1.51 em $n \ge 2000$).
  • Viés e Cobertura: Quando a suposição NEH era válida, todos os G-estimadores (independentemente do aprendiz do Estágio 1) foram não viesados e atingiram a cobertura nominal (aprox. 95%). O estimador ingênuo de Baron–Kenny, que ignora a confusão não mensurada, exibiu viés positivo substancial e cobertura de 0%.
  • Robustez: Quando a NEH foi violada (presença de heterogeneidade essencial), todos os métodos convergiram para o mesmo limite viesado, confirmando que a validade do método depende da suposição NEH, não do aprendiz específico utilizado.
  • Representação Compartilhada: Comparando a TARNet (representação compartilhada) com a TNet (redes neurais separadas), a TARNet mostrou uma vantagem distinta em amostras finitas, reduzindo erros padrões em 30–40% em tamanhos de amostra moderados. Essa lacuna diminuiu conforme o tamanho da amostra aumentou, sugerindo que o benefício das representações compartilhadas é mais crítico em amostras finitas.

5. Significância e Alegações

O artigo afirma que o UNIT oferece um ganho de eficiência substantivo para análises de mediação aplicadas onde a atribuição do tratamento é randomizada, mas a confusão entre mediador e desfecho não é mensurada. Ao alavancar o aprendizado de representação profunda para estimar os pesos ótimos para a G-estimação, o método supera as limitações de aproximações lineares em cenários de alta dimensão e não lineares.

Os autores enfatizam que sua contribuição não é a estratégia de identificação em si (que é herdada de Zheng e Zhou, 2015), mas a demonstração de que um melhor aprendizado de representação no primeiro estágio leva a uma estimativa estrutural mais eficiente. Eles argumentam que, para pesquisadores lidando com relações complexas entre covariáveis e mediadores, o UNIT fornece um arcabouço semiparamétrico principiado que supera os aprendizes tradicionais em precisão, mantendo a robustez contra a confusão não mensurada sob a suposição NEH.

O estudo conclui que, embora o método seja robusto, ele não é uma panaceia para violações da suposição NEH, e sua aplicação a dados observacionais exigiria extensões adicionais para estimar escores de propensão. Os autores também observam a atual falta de conjuntos de dados de referência públicos para análise de mediação como uma barreira para uma validação empírica mais ampla.