Resumo Técnico: Inferência Causal em Configurações Sequenciais sob Interferência e Confundimento Latente

Declaração do Problema

Este trabalho aborda o desafio da inferência causal em configurações observacionais sequenciais onde a Suposição de Valor de Tratamento de Unidade Estável (SUTVA) é violada devido à interferência de resultados e à presença de confundimento latente.

Em muitos cenários do mundo real, como a propagação de doenças infecciosas ou a adoção de vacinas, o resultado de uma unidade (por exemplo, um indivíduo ou um condado) depende não apenas de seu próprio tratamento e características, mas também dos resultados, tratamentos e características de outras unidades na população. Além disso, essas relações são frequentemente observadas ao longo do tempo, introduzindo dependências temporais. A literatura existente normalmente trata interferência ou configurações sequenciais separadamente, ou assume que os confundidores são observados. Este artigo aborda o cenário complexo onde:

1. Interferência: Os resultados são interdependentes entre as unidades (dependência espacial).
2. Sequencialidade: Os resultados evoluem ao longo de passos temporais com dependências entre passos adjacentes.
3. Confundimento Latente: Variáveis não observadas influenciam tanto os tratamentos quanto os resultados, modeladas com uma estrutura de baixo posto semelhante aos modelos de fatores de dados de painel.
4. Escassez de Dados: Os dados disponíveis são uma amostra única (uma realização) desta distribuição conjunta de alta dimensão de $N$ unidades ao longo de $T$ passos de tempo.

O objetivo é estimar quantidades causais de interesse, especificamente o Efeito de Tratamento Generalizado (GTE), que compara resultados médios sob dois padrões de intervenção arbitrários, apesar de se ter apenas uma trajetória observada.

Metodologia

Formulação do Modelo

Os autores modelam o sistema como um processo Markoviano sobre $T$ passos de tempo para $N$ unidades. O resultado binário $x_i^{(t)} \in \{-1, 1\}$ para a unidade $i$ no tempo $t$ é governado por um modelo de Ising condicional ao resultado do passo de tempo anterior, às intervenções atuais e aos confundidores latentes.

A distribuição de probabilidade é definida como:
$$p(x | z) = \prod_{t=1}^T p(x^{(t)} | z^{(t)}, x^{(t-1)})$$
onde a probabilidade condicional é proporcional a:
$$\exp\left( \sum_{i=1}^N \alpha_i^{(t)} x_i^{(t)} + \beta \sum_{i=1}^N x_i^{(t)} z_i^{(t)} + \xi \sum_{i \neq j} \gamma_{ij} x_i^{(t)} x_j^{(t)} + \eta \sum_{i=1}^N x_i^{(t)} x_i^{(t-1)} \right)$$

Os parâmetros principais incluem:

• $\alpha_i^{(t)}$: Confundidores latentes (campo externo).
• $\beta$: Efeito direto do tratamento.
• $\xi$: Força da interferência espacial (matriz de interação $\Gamma$).
• $\eta$: Força da dependência temporal.

Principais Suposições:

1. Estrutura Latente de Baixo Posto: A matriz de confundidores latentes $A = \{\alpha_i^{(t)}\}$ possui posto $k \ll N, T$, expressável como $A = UV^\top$.
2. Interação Limitada: A força de interação satisfaz a condição de unicidade de Dobrushin ($\|\xi^* \Gamma\|_\infty < 1$), garantindo decaimento de correlação e inferência eficiente.
3. Excitabilidade das Intervenções: A matriz de intervenção $Z$ não é perfeitamente colinear com os confundidores latentes, garantindo a identificabilidade do efeito do tratamento $\beta$.

Algoritmo de Aprendizado: MPLE Sequencial

Para aprender os parâmetros $\theta = (A, \beta, \xi, \eta)$ a partir de uma única amostra, os autores propõem uma abordagem de Estimativa de Máxima Pseudo-Verossimilhança (MPLE) Sequencial:

• Objetivo: Minimizar a log-pseudo-verossimilhança negativa:
  $$\hat{\theta} \in \arg\min_{\theta \in \Theta} -\sum_{t=1}^T \sum_{i=1}^N \log p_\theta(x_i^{(t)} | x_{-i}^{(t)}, z_i^{(t)}, x_i^{(t-1)})$$
• Otimização: O objetivo é convexo em $\theta$ se $A$ fosse fixo, mas a restrição de baixo posto em $A$ torna o problema não convexo. Os autores parametrizam $A = UV^\top$ e utilizam minimização alternada (fixando $U$ para atualizar $V$, e vice-versa) com regularização.
• Inferência: Uma vez estimados os parâmetros, as quantidades causais (GTE) são estimadas através da amostragem do modelo aprendido usando Amostragem de Gibbs Sequencial. Devido à condição de Dobrushin, o amostrador converge rapidamente (mixagem rápida), permitindo o cálculo eficiente de expectativas contrafatuais.

Contribuições Principais

1. Modelo Unificado: O artigo introduz um modelo que captura simultaneamente a dinâmica sequencial, a interferência de rede (interferência de resultado) e o confundimento latente de baixo posto.
2. Estimativa Computacionalmente Eficiente: Fornece um método computacionalmente tratável (MPLE Sequencial) para aprender parâmetros de modelos de alta dimensão a partir de uma única observação da distribuição conjunta.
3. Garantias Não Assintóticas:
   • Estimativa de Parâmetros: O Teorema 1 estabelece a consistência não assintótica para a estimativa de parâmetros, mostrando que o erro escala como $O\left(\frac{k(N+T)\log T}{T\|\Gamma\|_F^2}\right)$, indicando que o tamanho efetivo da amostra é impulsionado pela força de interação e pelo número de passos de tempo.
   • Estimativa Causal: O Teorema 2 e o Corolário 2 mostram que o erro na estimativa do Efeito de Tratamento Generalizado (GTE) é limitado pelo erro de estimativa de parâmetros. Isso se baseia nas propriedades de decaimento de correlação sob a condição de Dobrushin, garantindo que erros de estimativa locais não se propaguem espacial ou temporalmente para corromper a estimativa causal global.
4. Validação Empírica: O método é validado em dados sintéticos e em um estudo de caso do mundo real envolvendo taxas de vacinação contra a COVID-19 e taxas de mortalidade em condados dos EUA.

Resultados

Experimentos Sintéticos

Em configurações sintéticas com $N=500$ e $T=50$, o método proposto ($\hat{\theta}$) supera significativamente os modelos de base que ignoram a interferência ($\hat{\theta}_{\xi=0}$) ou o confundimento latente ($\hat{\theta}_{A=0}$).

• Recuperação de Parâmetros: O método recupera com precisão o efeito do tratamento $\beta$, a força de interação $\xi$ e a força temporal $\eta$.
• Precisão Causal: O GTE estimado teve uma melhoria de aproximadamente 92% em erro absoluto comparado ao modelo sem interferência e 91% comparado ao modelo sem confundimento latente.
• Robustez: O método recuperou os parâmetros com sucesso mesmo quando a condição teórica de Dobrushin foi levemente violada ($|\xi^*| + |\eta^*| > 1$), sugerindo robustez prática.

Estudo de Caso Real: COVID-19

Os autores aplicaram o modelo a dados de nível de condado nos EUA (março de 2020 – maio de 2022) para estimar o efeito causal da vacinação nas taxas de mortalidade.

• Configuração: Os resultados foram indicadores binários de altas taxas de mortalidade; as intervenções foram indicadores binários de taxas de vacinação acima de 30%.
• Validação Híbrida: Para abordar potenciais violações das suposições de identificabilidade nos dados reais, foram realizados "experimentos híbridos", onde o padrão de intervenção real foi utilizado, mas os resultados foram gerados a partir do modelo. O método identificou os parâmetros com sucesso nesta configuração.
• Recuperação no Conjunto de Teste: O modelo foi treinado em um subconjunto de dados e testado em um conjunto de teste retido, construído para respeitar as dependências espaço-temporais. O modelo alcançou um erro absoluto baixo (0,015 no conjunto de teste), comparável ao caso híbrido, demonstrando sua expressividade.
• Descobertas Causais:
  • Modelar a interferência resultou em um efeito causal da vacinação estimado maior do que o modelo sem interferência.
  • Sob o contrafactual de "nenhuma intervenção", o modelo previu resultados piores do que os observados inicialmente, enquanto o contrafactual de "todas as intervenções" previu resultados melhores, convergindo conforme as taxas de vacinação aumentavam.
  • O modelo de interferência capturou os efeitos de "transbordamento" (spill-over), onde a vacinação em uma área beneficia outras, uma nuance perdida por modelos padrão.

Significância e Alegações

O artigo afirma oferecer um arcabouço provável para a inferência causal em um cenário onde três grandes complexidades coexistem: interferência de rede, dependências intertemporais e confundimento latente.

• Contribuição Teórica: Estende a literatura sobre aprendizado de distribuições de alta dimensão a partir de amostras únicas (previamente limitada a configurações não sequenciais ou não confundidas) para o caso sequencial com variáveis latentes. Fornece as primeiras garantias não assintóticas para a estimativa causal neste regime específico e altamente complexo.
• Utilidade Prática: Ao demonstrar eficácia em um problema de saúde pública real (COVID-19), os autores argumentam que seu método pode informar decisões políticas ao fornecer estimativas mais precisas de efeitos de tratamento na presença de interferência e confundidores não observados.
• Limitações: Os autores reconhecem modestamente que suas garantias teóricas dependem da condição de unicidade de Dobrushin, que pode não se aplicar em todos os cenários do mundo real com forte interferência. Eles observam que, embora seu método tenha performado bem nos experimentos, compreender o desempenho em regimes que violam essa condição permanece como uma área aberta.

Em resumo, este trabalho preenche a lacuna entre a inferência causal teórica e os dados sequenciais complexos do mundo real, fornecendo um método que é tanto computacionalmente eficiente quanto teoricamente fundamentado para estimar efeitos causais sob interferência e confundimento latente.