O que é o efeito heterogéneo do tratamento e como procurá-lo?

O Efeito de Tratamento Heterogêneo (HTE) é o efeito de uma intervenção (por exemplo, tratamento, campanha publicitária, mudança na interface) que varia de acordo com as características de subgrupos ou até mesmo de usuários individuais. Ao contrário do Efeito Médio de Tratamento (ATE), que mostra o efeito médio em toda a população, o HTE permite entender em quais segmentos o efeito é mais forte ou mais fraco.

Para buscar o HTE, geralmente são aplicadas as seguintes abordagens:

1. Estratificação — dividir os dados em subgrupos com base em características (idade, região, comportamento) e avaliar o efeito em cada grupo.
2. Modelos com interações — construir modelos de regressão com interações entre a característica do tratamento e outras variáveis.
3. Métodos de aprendizado de máquina — usar algoritmos especificamente desenvolvidos para avaliar o HTE, como Causal Forest, modelos uplift, árvores de decisão direcionadas.

Exemplo usando Causal Forest (em Python com a biblioteca econml):

from econml.grf import CausalForest

# X - características, T - tratamento binário, y - resultado
model = CausalForest()
model.fit(y, T, X)

# Previsão do efeito do tratamento para cada objeto
hte = model.effect(X)

Assim, o HTE ajuda a tomar decisões mais precisas, adaptando a intervenção a diferentes segmentos de usuários.