Dos ríos de una misma lluvia: cómo un interruptor revela la causalidad ✛

Original: "A condition for the identification of multivariate models with binary instruments -- with Corrigendum and Addendum"
· Florian Gunsilius
arXiv:2607.01429 · 2026-07-01 · CC BY 4.0 · 2 min
Un simple factor binario puede recuperar la estructura oculta de modelos complejos si los datos siguen el principio del flujo del agua.

La lluvia cae sobre un mapa topográfico. Las gotas que caen en una ladera fluyen al río A, las de la otra ladera, al río B. Por los meandros de los ríos podemos inferir el relieve. Pero un ingeniero solo ve los puntos de desembocadura y sabe de qué ladera vino el agua, no dónde cayó cada gota. Así es el problema del economista: con un instrumento binario (como participar en un programa), recuperar el modelo estructural oculto.

Antes se creía que para ello era necesario un instrumento continuo rico. Resulta que basta con una propiedad tomada de la naturaleza: el agua siempre fluye cuesta abajo y no forma remolinos. A esto se le llama monotonicidad cíclica (ausencia de bucles). Es precisamente ella la que permite extraer una estructura única incluso de un simple sí/no.

La monotonicidad cíclica es una garantía matemática de que el flujo de datos no irá hacia atrás ni se arremolinará. Sin ella, dos modelos diferentes producirían ríos idénticos.

La clave está en el transporte óptimo: un método para emparejar distribuciones a un costo mínimo. Para cada ladera se construye un mapa de rangos que asigna a cada punto en una ladera un punto en la otra con la misma «cantidad de agua». El parteaguas es el conjunto donde el mapa no mueve el punto ( $R_z$(x) = x ).

El parteaguas es más delgado que una línea dibujada con lápiz: su área es cero. Pero sobre esta arista invisible se apoya toda la reconstrucción del modelo.

Si tomamos un punto cualquiera y alternamos repetidamente la ladera aplicando el mapa de rangos, inevitablemente se desliza hacia el parteaguas. Al mismo tiempo, se preserva la dispersión de los factores no observados. Así, de un instrumento binario nace un modelo causal unívoco. Dos investigadores, mirando los mismos datos, llegarán a la misma conclusión. Ahora, al observar el mapa de ríos, no vemos solo meandros, sino las líneas secretas del relieve trazadas por el flujo de gotas invisibles.

El método de transporte óptimo, en el que se basa este enfoque, nació de un problema del siglo XVIII: el matemático francés Gaspard Monge buscaba la forma más eficiente de mover tierra durante la construcción de fortalezas.

R_z(x) = x
Los puntos donde el mapa inverso de Brenier coincide con la función identidad forman la divisoria de identificación.
Científicos
Claude Shannon
Conceptos
evidencia bayesiana modelo probabilístico inferencia bayesiana muestreo anidado criterio de información parámetro distribución posterior distribución binomial prueba de permutación principio de Hardy-Weinberg