17 · Tela /causal · DAG, Granger e identificabilidade
Onde a teoria causal vira interface clicável. Esta é a tela mais técnica do agente — e também a mais poderosa para quem precisa defender uma recomendação diante de um conselho cético.
17.0 · Da teoria causal para a interface · o que precisa ser clicável
A maior parte dos sistemas de inferência causal vive em notebooks Jupyter — artefatos privados, pouco navegáveis e quase nunca defensáveis em reunião de Conselho. A tela /causal faz a tradução desconfortável que poucos sistemas tentam: transformar o aparato técnico (DAG, teste de Granger, critério backdoor, e-values de Cinelli & Hazlett (2020)) em interface operável por não-econometristas, sem perder rigor. O preço dessa tradução é alto: cada elemento da tela carrega uma decisão pedagógica explícita sobre o que tornar visível, o que ocultar atrás de tooltip e o que exigir clique deliberado.
A regra de design adotada é a de Norman (1988): "o sistema deve mostrar o que ele acredita estar fazendo". Por isso o DAG é o painel central — não um diagrama estético, mas a representação literal das hipóteses causais vigentes. Cada aresta tem autor, data, evidência (F-stat de Granger, p-valor, e-value), status (vigente, proposta, revogada). Propor aresta nova exige preencher os quatro campos antes de submeter ao Comitê Acadêmico — o sistema impede "mudança causal por intuição". Esta fricção é deliberada e protege a infraestrutura contra a tentação de ajustar o DAG para confirmar a alocação que já se quer fazer.
“Good design makes the system's conceptual model visible. When users cannot see what the system is doing, they invent stories — and act on those stories rather than on what is actually happening.”
17.1 · Os três painéis
A tela divide-se em DAG editável (esquerda), painel de Granger (canto superior direito) e verificador de identificabilidade(canto inferior direito). Os três trabalham em ciclo: a hipótese é desenhada no DAG, o Granger filtra precedência preditiva, o do-calculus decide se a aresta é estimável.
17.2 · Workflow: propor uma aresta
- Clique em "+ Aresta" e selecione origem e destino entre os nós.
- Anexe pelo menos uma evidência: artigo (DOI), instrumento legal ou estudo de caso interno.
- Defina o defasamento esperado (lag em meses) — opcional, mas necessário para Granger.
- Clique em "Validar". O sistema roda o algoritmo do-calculus e devolve identificável (✓), parcialmente identificável (Δ) ou não identificável (✕).
“We say that Yt is causing Xt if we are better able to predict Xt using all available information than if the information apart from Yt had been used.”
Granger ganhou o Nobel de 2003 por essa formulação operacional, mas ele próprio sempre insistiu: "prediction is not causation". Por isso o agente trata o F-test como condição necessária, jamais suficiente — uma aresta com p < 0,05 entra na fila do do-calculus, mas só vira parte do Score se passar pelo critério de identificabilidade de Pearl.
“An expression Q is identifiable if it can be uniquely computed from the observational distribution P(v) and the causal diagram G. The do-calculus provides a complete set of rules to decide identifiability.”
17.3 · Lendo o output do verificador
- ✓ Identificável (backdoor) — a fórmula de ajuste é exibida; pode ser usado no Score.
- ✓ Identificável (frontdoor) — exige mediador medido; o agente lista quais variáveis o satisfazem.
- Δ Parcial — identificável apenas em subconjunto da população (heterogeneidade); útil mas requer estratificação.
- ✕ Não identificável — o efeito não pode ser estimado a partir dos dados disponíveis. Opções: coletar nova variável, usar instrumental, ou aceitar a aresta apenas como hipótese.
17.4 · Robustez: o e-value de VanderWeele & Ding
A coluna e-value que aparece no painel Granger não é decorativa. VanderWeele & Ding (2017) mostraram que toda associação observacional pode ser "explicada por" um confundidor não-medido suficientemente forte — e propuseram uma métrica para quantificar essa força mínima. Quanto maior o e-value, mais robusta a aresta a confundimento desconhecido.
“The E-value is the minimum strength of association, on the risk-ratio scale, that an unmeasured confounder would need to have with both the treatment and the outcome to fully explain away a specific treatment–outcome association.”
No agente, qualquer aresta com e-value < 1,5 é marcada como frágil e exige anotação textual antes de ser usada na composição do Score. Convenção interna que se tornou padrão após a calibração de set/2025.
17.5 · Histórico de DAGs
Cada versão do DAG é arquivada com hash próprio. A aba "Histórico" permite comparar duas versões lado a lado e ver quais arestas foram adicionadas, removidas ou recalibradas. É a peça que você apresenta a um auditor externo quando precisa explicar por que o Top 10 mudou entre dois trimestres.
Para aprofundar
- Causality: Models, Reasoning, and Inference ↗Pearl, J. · 2009
“Identifiability is decided by the do-calculus: three rules complete and sufficient.”
Tratado de referência — base do verificador de DAG. - The Book of Why ↗Pearl & Mackenzie · 2018Versão acessível dos conceitos de identificabilidade — leitura recomendada para conselheiros não-técnicos.
- Investigating Causal Relations by Econometric Models ↗Granger, C. W. J. · 1969
“We say that Yt is causing Xt if we predict Xt better using all information than information apart from Yt.”
Paper original — referência citada no painel de causalidade. - Sensitivity Analysis in Observational Research: Introducing the E-Value ↗VanderWeele & Ding · 2017
“The E-value is the minimum strength of association an unmeasured confounder would need to fully explain away the observed effect.”
Métrica de robustez exibida no painel Granger — corte interno: e-value ≥ 1,5. - DAGitty — drawing and analyzing causal diagrams ↗Textor et al. · 2016Ferramenta open-source de inspiração para o editor visual de DAG.
- A Crash Course in Good and Bad Controls (Cinelli, Forney & Pearl) ↗Cinelli, Forney & Pearl · 2022Guia prático para escolher variáveis de ajuste — leitura obrigatória para quem propõe arestas.