Por qué se necesita un grafo causal — y por qué a menudo no lo hay
Las preguntas contrafactuales suenan simples: «qué habría pasado si el paciente hubiera recibido otro tratamiento», «cómo habría cambiado la demanda si hubiéramos subido el precio». La dificultad está en que la respuesta no puede deducirse solo de las correlaciones observadas. Se necesita un modelo de cómo las variables se influyen entre sí, es decir, una estructura causal.
La receta clásica en la literatura sobre identificación no paramétrica es la siguiente: tome un grafo causal completamente especificado, añada supuestos sobre la forma de los mecanismos y calcule la cantidad de interés o su rango admisible. Esto funciona de manera fiable, pero se apoya en un lujo que el analista casi nunca tiene. El dominio se ha estudiado solo parcialmente, parte de las relaciones es discutible, y algunas variables ni siquiera se miden. Un grafo completo en tal situación no es un punto de partida, sino un ideal inalcanzable.
Es precisamente esta brecha entre la teoría y la práctica la que intentan cerrar Eric Rossetto y Alessandro Antonucci en el artículo Partial Identification under Causal Orders by Linear Programming (arXiv:2608.24427). Su movimiento no consiste en «completar el grafo de cualquier manera», sino en renunciar por completo al requisito de tenerlo como entrada.
La propia consulta sugiere la estructura
La observación clave de los autores puede formularse así: una consulta contrafactual no es una pregunta neutral, sino un objeto con lógica interna. Cuando preguntamos «qué habría pasado si la variable X hubiera tomado el valor x», ya estamos construyendo implícitamente las variables en cierta relación: una precede a otra, una depende de otra, una tercera permanece como condición de fondo.
Esto se formaliza mediante un orden topológico. En un grafo causal ordinario, tal orden está dado por completo y de manera unívoca: si hay una flecha de A a B, entonces A va antes. Pero para la identificación no se necesita una ordenación total. Basta con un orden parcial: un conjunto de relaciones «antes» que no cubren todos los pares de variables. Los demás pares simplemente quedan sin ordenar, y eso no impide nada.
El resultado central del trabajo consiste en que cualquier consulta contrafactual genera precisamente ese tipo de orden topológico —en general, parcial— sobre las variables que la componen. Además, este orden no hay que adivinarlo ni introducirlo manualmente: se extrae de la propia formulación de la pregunta. El especialista del dominio ya no tiene que responder a la incómoda pregunta «dibuje todo el grafo»; basta con aceptar lo que se deriva del planteamiento del problema.
Del orden a la programación lineal
Después comienza la parte técnica por la cual se hizo todo esto. La existencia del orden permite escribir la consulta en forma parametrizada explícita. Los parámetros aquí no son arbitrarios, sino que están subordinados a la estructura: describen distribuciones y mecanismos de modo que sean compatibles tanto con los datos observados como con el orden derivado.
Tras esta reparametrización, el problema de identificación deja de ser un problema sobre funciones y se convierte en un problema sobre números. En concreto, en un programa lineal: hay que minimizar y maximizar un funcional lineal sobre un conjunto definido por restricciones lineales. El mínimo y el máximo dan las cotas inferior y superior de la cantidad de interés.
Esta transición es valiosa no solo por su elegancia. La programación lineal es un área bien estudiada, con solvers fiables, y trasladar el problema a esta forma significa que las cotas se pueden calcular de verdad, y no solo demostrar su existencia. El esquema funciona para consultas contrafactuales arbitrarias, incluidas las anidadas: aquellas en las que el escenario hipotético contiene a su vez otro escenario hipotético. La anidación siempre ha sido un dolor de cabeza para los métodos existentes, ya que exige abordar simultáneamente varios «niveles» del mundo.
Qué tan estrechas son las cotas
Obtener algunas cotas no es difícil; la cuestión es si son útiles. Si el intervalo abarca casi todo el rango concebible de valores, de poco sirve.
Los autores responden a esto con una demostración de precisión. La idea de la construcción es la siguiente: para cada cota se construye un modelo causal estructural que la alcanza. Tal modelo debe ser compatible con dos cosas a la vez: con la distribución observada de los datos y con el orden que implica la consulta. Si el modelo existe, entonces la cota no es artificial: no se puede desplazar hacia dentro sin perder la coherencia con la información disponible. Por lo tanto, el intervalo es tan estrecho como es posible en general dadas las suposiciones establecidas.
Este es un cambio importante en el estatus del resultado. No se trata de una «estimación aproximada a ojo» ni de que «en el peor caso puede pasar cualquier cosa». Se trata de una descripción honesta de la incertidumbre: esto es todo lo que se puede afirmar, y ni un paso más.
Relación con el marco clásico
El trabajo se posiciona como una generalización del enfoque de Tian y Pearl, propuesto en 2000 para las probabilidades de causalidad. Aquel marco también sabía producir intervalos en lugar de estimaciones puntuales, pero estaba atado a una clase concreta de cantidades y requería una estructura conocida. El nuevo resultado amplía la clase de consultas y elimina el requisito de conocer el grafo por completo. Conviene tener presente esta continuidad: no estamos ante una invención desde cero, sino ante una ampliación cuidadosa de algo ya probado por el tiempo.
Verificación con ejemplos conocidos
Para mostrar que el método no es una exotismo, los autores vuelven a varios casos analizados previamente en la literatura y los pasan por su procedimiento. La condición del experimento es estricta: no se introduce ningún grafo causal como entrada. En su lugar, solo se usa el orden que se deriva de la formulación de la consulta.
El resultado que reportan los investigadores consiste en que los intervalos obtenidos siguen siendo informativos. En otras palabras, renunciar al grafo completo no convierte la conclusión en un «todo es posible» vacío de contenido. Esta es, quizá, la conclusión más práctica del artículo: el precio de la ignorancia resulta ser menor de lo que se suele pensar.
Qué cambia esto para la práctica
El valor práctico se reduce a varios puntos.
- Se reduce el umbral de entrada. No hace falta describir todo el sistema por completo; basta con aceptar el orden que ya está implícito en el planteamiento del problema.
- La incertidumbre se vuelve visible. En lugar de una estimación puntual tras la cual se esconden suposiciones arbitrarias, el analista obtiene un intervalo y entiende dónde pasa exactamente la frontera de su conocimiento.
- Aparece una base instrumental. La reducción a un programa lineal significa que el cálculo se puede automatizar con herramientas estándar, en lugar de escribir un solver aparte para cada clase de consultas.
- Se amplía la clase de preguntas admisibles. Las construcciones contrafactuales anidadas, que antes requerían una teoría aparte, quedan dentro del esquema general.
Lo que el método no promete
También conviene señalar los límites. En primer lugar, el orden parcial sigue siendo necesario extraerlo correctamente: si de la formulación de la consulta se deriva una relación de precedencia incorrecta, se pierde la validez de las cotas. En segundo lugar, la amplitud del intervalo depende directamente de cuán ricos sean los datos observados y cuántas relaciones se hayan podido fijar: cuanto más disperso sea el orden, más amplia será la respuesta. El método no sustituye el conocimiento del dominio; permite trabajar con sus fragmentos en lugar del todo ausente.
La extensión del artículo es de 15 páginas de texto principal, a las que se añaden tres apéndices, tres figuras y tres tablas, de modo que los detalles técnicos de las demostraciones quedan fuera de la exposición principal y están disponibles por separado. Para quienes se dedican a la inferencia causal con datos reales que tienen lagunas en la descripción del sistema, esta es, quizá, una noticia más interesante que otra estimación puntual más con suposiciones no declaradas.
