Conditional Rank-Rank Regression via Deep Conditional Transformation Models

Diese Arbeit stellt eine Methode zur konditionalen Rang-Rang-Regression vor, die auf tiefen konditionalen Transformationsmodellen (DCTM) basiert, um die intergenerationale Mobilität unter Berücksichtigung von Kovariaten und für sowohl kontinuierliche als auch diskrete geordnete Ergebnisse präziser zu schätzen und dabei nichtlineare Effekte sowie komplexe Interaktionen zu erfassen.

Das Wesentliche

Hier ist eine einfache, bildhafte Erklärung der wissenschaftlichen Arbeit auf Deutsch:

Das große Familien-Rennen: Wie wir den Einfluss der Eltern auf Kinder besser verstehen

Stellen Sie sich vor, Sie beobachten ein riesiges, jahrzehntelanges Rennen, bei dem Eltern und ihre Kinder antreten. Das Ziel ist nicht, wer am schnellsten läuft, sondern: Wie sehr hängt der Startplatz des Kindes vom Startplatz des Vaters ab?

In der Wirtschaftswissenschaft nennt man das „intergenerationale Mobilität". Wenn ein Kind aus einer reichen Familie fast immer auch reich wird und ein Kind aus einer armen Familie kaum aufsteigen kann, ist die Mobilität gering. Das ist wie ein festgefahrenes System.

Bisher haben Forscher ein einfaches Werkzeug benutzt, um das zu messen: Die Rang-zu-Rang-Regression (RRR).

• Die alte Methode: Man sortiert alle Eltern nach Einkommen (Platz 1 bis 100) und alle Kinder danach. Dann schaut man: Wenn der Vater Platz 10 hat, wo landet das Kind?
• Das Problem: Diese Methode ist wie ein Foto, das die ganze Welt auf einmal zeigt. Sie ignoriert wichtige Details. Was ist, wenn der Vater in einer teuren Stadt lebt und das Kind in einer ländlichen Gegend? Oder wenn die Familie eine bestimmte Bildung hat? Wenn man diese Faktoren einfach „mitrechnet", wird die alte Methode ungenau und liefert verwirrende Ergebnisse. Es ist, als würde man versuchen, das Wetter vorherzusagen, indem man nur die Temperatur misst, aber Wind, Luftfeuchtigkeit und Jahreszeit ignoriert.

Die neue Lösung: Ein smarter, flexibler Detektiv

Die Autoren dieses Papers (Wang, Feng und Wang) haben eine neue, viel schlauere Methode entwickelt, die sie CRRR mit Deep Learning nennen. Hier ist, wie sie es tun, mit ein paar einfachen Vergleichen:

1. Der „Gruppen-Detektiv" (Conditional Ranks)

Statt alle Eltern und Kinder in einen großen Topf zu werfen, teilen sie sie in kleine, ähnliche Gruppen auf.

• Die alte Idee: „Alle Eltern mit einem bestimmten Einkommen sind gleich." (Das ist oft falsch).
• Die neue Idee: „Wir schauen uns nur Familien an, die genau die gleichen Merkmale haben (gleiche Stadt, gleiche Bildung, gleiche Größe)." Innerhalb dieser kleinen Gruppe fragen wir: „Wie viel Glück hatte das Kind im Vergleich zu den anderen Kindern in dieser Gruppe?"
  Das ist wie ein Sporttrainer, der nicht alle Läufer gegen alle misst, sondern nur die Läufer vergleicht, die auf demselben Trainingsniveau starten. So sieht man wirklich, wer sich innerhalb der Gruppe verbessert hat.

2. Der „Künstliche Intelligenz-Koch" (Deep Conditional Transformation Model - DCTM)

Um diese kleinen Gruppen zu vergleichen, muss man wissen, wie die Verteilung der Einkommen oder Bildungsabschlüsse in jeder Gruppe aussieht.

• Das alte Werkzeug (Distribution Regression): Das war wie ein Koch, der versucht, ein komplexes Gericht zu kochen, indem er nur einfache, starre Rezepte verwendet (z. B. immer genau 10 Minuten backen). Wenn das Essen (die Daten) kompliziert ist (z. B. sehr ungleich verteilt oder mit vielen Ausreißern), verbrennt das Gericht oder schmeckt falsch.
• Das neue Werkzeug (DCTM): Das ist wie ein genialer Koch mit einer KI. Er kann das Gericht (die Datenverteilung) direkt und flexibel anpassen. Er merkt sofort, wenn die Daten krumm, schief oder voller Überraschungen sind, und passt das Rezept in Echtzeit an. Er sorgt dafür, dass die „Wahrscheinlichkeiten" immer Sinn ergeben (wie bei einer echten Verteilung), ohne dass man nachträglich korrigieren muss.

3. Der „Zwillings-Check" (Cross-Fitting)

Um sicherzugehen, dass der KI-Koch nicht einfach nur auswendig gelernt hat (was man „Overfitting" nennt), nutzen die Autoren einen Trick namens Cross-Fitting.

• Die Analogie: Stellen Sie sich vor, Sie testen einen Schüler. Wenn Sie ihm die gleichen Prüfungsfragen geben, die er schon gelernt hat, besteht er die Prüfung. Aber das sagt nichts über sein echtes Wissen aus.
• Die Lösung: Man teilt die Klasse in zwei Hälften. Gruppe A lernt mit dem Lehrer, Gruppe B macht die Prüfung. Dann tauschen sie. Gruppe B lernt, Gruppe A macht die Prüfung. So weiß man sicher, dass der Schüler wirklich verstanden hat und nicht nur die Antworten auswendig gelernt hat. Das macht die Ergebnisse viel robuster.

Warum ist das wichtig? (Die Ergebnisse)

Die Autoren haben ihre Methode an echten Daten getestet:

1. USA (Einkommen): Sie haben gesehen, dass das Einkommen von Vätern und Söhnen sehr stark miteinander verbunden ist. Aber noch interessanter: Bei Töchtern ist der Einfluss des Vaters sogar noch stärker als bei Söhnen. Das bedeutet, dass der soziale Aufstieg für Töchter in den USA schwieriger ist als für Söhne, selbst wenn man andere Faktoren berücksichtigt.
2. Indien (Bildung): Hier haben sie mit Schulabschlüssen (die oft in Stufen wie „kein Abschluss", „Grundschule", „Hochschule" gemessen werden) gearbeitet. Da diese Daten „diskret" sind (man kann nicht 3,7 Schuljahre haben, sondern nur ganze Zahlen), war die alte Methode sehr ungenau. Die neue Methode hat gezeigt, dass es große Unterschiede zwischen Muslimen und anderen Gruppen sowie zwischen städtischen und ländlichen Gebieten gibt. Besonders wichtig: Sie haben entdeckt, dass die Art und Weise, wie man „Punkte" für gleiche Schulabschlüsse vergibt, das Ergebnis stark verändert. Das ist wie bei einem Wettkampf, bei dem unentschieden sein mal 0,5 Punkte und mal 1 Punkt wert ist – das Ergebnis ändert sich komplett!

Fazit für den Alltag

Diese Arbeit ist wie der Wechsel von einer alten, starren Landkarte zu einem Live-Navigationsgerät.

• Die alte Methode hat uns grobe Richtungen gezeigt, hat aber bei komplexen Straßen (ungleiche Gesellschaft, viele verschiedene Faktoren) oft in die Sackgasse geführt.
• Die neue Methode (DCTM + Cross-Fitting) navigiert durch die komplexesten Kurven der Gesellschaft. Sie sagt uns nicht nur, dass es eine Verbindung zwischen Eltern und Kindern gibt, sondern wie stark diese Verbindung in verschiedenen Gruppen wirklich ist.

Das hilft Politikern und Gesellschaft, genau zu verstehen, wo die Hürden für den Aufstieg liegen, und kann helfen, gerechtere Chancen für alle zu schaffen – egal ob in den USA oder in Indien.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Papiers auf Deutsch:

Titel: Conditional Rank-Rank Regression via Deep Conditional Transformation Models

Autoren: Xiaoyi Wang, Long Feng, Zhaojun Wang (Nankai University)
Datum: 10. März 2026

---

1. Problemstellung und Motivation

Die intergenerationale Mobilität (die Transmission sozioökonomischer Status von Eltern auf Kinder) wird in der Ökonomie und Soziologie häufig durch die Rank-Rank-Regression (RRR) gemessen. Dabei werden die Rangplätze der elterlichen und kindlichen Ergebnisse (z. B. Einkommen, Bildung) regressiert. Der Steigungskoeffizient dient als Maß für die Persistenz (und damit die Inversität der Mobilität).

Ein zentrales Problem in der empirischen Forschung ist die Berücksichtigung von Kovariaten $X$ (z. B. Region, Bildung der Eltern), um die Mobilität innerhalb von Gruppen von der Mobilität zwischen Gruppen zu unterscheiden.

• Herausforderung bei RRR mit Kovariaten (RRRX): Die direkte Einbeziehung von $X$ in die Regression führt zu Koeffizienten, die schwer zu interpretieren sind (sie entsprechen nicht mehr der Spearman-Rangkorrelation und können außerhalb des Intervalls $[-1, 1]$ liegen).
• Lösung durch CRRR: Die Conditional Rank-Rank Regression (CRRR) von Chernozhukov et al. (2024) umgeht dies, indem sie marginale Ränge durch bedingte Ränge ersetzt. Diese werden basierend auf der bedingten Verteilungsfunktion $F_{Y|X}$ berechnet.
• Limitationen bestehender Methoden: Die Implementierung von CRRR erfordert die Schätzung bedingter Verteilungsfunktionen. Der bisherige Standardansatz, die Distribution Regression (DR), stößt bei komplexen Daten an Grenzen:
  1. Sie erfordert viele separate binäre Regressionen für verschiedene Schwellenwerte (ineffizient).
  2. Sie garantiert nicht die Monotonie der geschätzten Verteilungsfunktion (CDF), was Nachbearbeitung erfordert.
  3. Sie ist anfällig für Fehlspezifikation bei nichtlinearen Zusammenhängen, hohen Interaktionen oder diskreten, geordneten Ergebnissen (Ties).
  4. Es fehlt eine systematische Behandlung diskreter Ergebnisse, was in der Literatur oft als "offene Frage" betrachtet wurde.

2. Methodologie

Die Autoren schlagen einen neuen Rahmen vor, der Deep Conditional Transformation Models (DCTM) mit Cross-Fitting kombiniert, um bedingte Ränge effizient und robust zu schätzen.

A. Deep Conditional Transformation Models (DCTM)

Statt die bedingte CDF $F_{Y|X}(y|x)$ direkt zu modellieren oder sie durch viele binäre Regressionen zu approximieren, nutzt DCTM ein neuronales Netzwerk, um eine Transformation $h(y; x)$ zu lernen, die $Y$ auf eine bekannte Basisverteilung (z. B. Standardnormalverteilung) abbildet:
$$P(Y \le y | X=x) = F_0(h(y; x))$$

• Architektur: Das Netzwerk besteht aus einem Backbone zur Merkmalsextraktion und zwei Heads, die einen Verschiebungsparameter und Interaktionsparameter vorhersagen.
• Strukturelle Constraints: Um sicherzustellen, dass $h(y; x)$ monoton steigend in $y$ ist (eine notwendige Eigenschaft für eine gültige CDF), werden spezielle Netzarchitekturen verwendet (z. B. Verwendung von Bernstein-Basisfunktionen mit geordneten Koeffizienten oder kumulative Konstruktionen mit softplus-Aktivierungen). Dies garantiert, dass die geschätzte Verteilung immer gültig ist, ohne Nachbearbeitung.
• Vorteile: End-to-End-Lernen der gesamten Verteilung, Handhabung von Nichtlinearitäten und Interaktionen, keine manuelle Feature-Engineering nötig.

B. Behandlung diskreter Ergebnisse (Ties)

Für diskrete, geordnete Ergebnisse (z. B. Bildungsstufen) sind Ränge nicht eindeutig definiert, da "Ties" (gleiche Werte) auftreten.

• Die Autoren führen eine parametrisierte Definition des bedingten Rangs ein, gesteuert durch einen Parameter $\omega \in [0, 1]$:
  $$R_{Y|X=x}(y) = \omega F_{Y|X}(y|x) + (1-\omega) F^-_{Y|X}(y|x)$$
  • $\omega=0$: Kleinster möglicher Rang.
  • $\omega=0.5$: Mid-Rang (Durchschnitt).
  • $\omega=1$: Größter möglicher Rang.
• Sie zeigen, dass der CRRR-Steigungskoeffizient $\rho_C$ stark von der Wahl von $\omega$ abhängt. Daher muss die Rangdefinition in empirischen Studien explizit angegeben werden.

C. Cross-Fitting und Inferenz

Um Overfitting-Bias zu vermeiden (da DCTM komplexe Modelle sind), wird ein Cross-Fitting-Verfahren verwendet:

1. Die Stichprobe wird in $K$ Folds aufgeteilt.
2. Für jeden Fold wird das DCTM auf den Trainingsdaten der anderen Folds geschätzt.
3. Die bedingten Ränge werden für die zurückgehaltenen Daten (Out-of-Fold) berechnet.
4. Die Schätzer für $\rho_C$ werden auf der gepoolten Out-of-Fold-Daten berechnet.

Für die Inferenz (Konfidenzintervalle) wird eine Exchangeable Bootstrap-Methode verwendet, deren Gültigkeit theoretisch bewiesen wird.

3. Hauptbeiträge

1. Methodische Weiterentwicklung: Einführung eines "DCTM + Cross-Fitting"-Verfahrens zur Schätzung bedingter Ränge. Dies ist rechnerisch effizienter und robuster als die traditionelle Distribution Regression (DR), insbesondere bei nichtlinearen Zusammenhängen und diskreten Daten.
2. Theoretische Fundierung (Kontinuierlich): Unter einem Regime mit fester Modellkomplexität wird die Konsistenz und asymptotische Normalität der Schätzer bewiesen. Die Validität des Exchangeable Bootstrap für die Inferenz wird nachgewiesen.
3. Diskrete CRRR: Erste systematische Untersuchung von CRRR für diskrete, geordnete Ergebnisse. Einführung des $\omega$-Index zur Handhabung von Ties und Analyse der Sensitivität der Ergebnisse gegenüber dieser Wahl.
4. Empirische Validierung: Anwendung auf reale Datensätze (PSID für Einkommen in den USA, IHDS für Bildung in Indien), die signifikante Erkenntnisse liefern.

4. Ergebnisse

Simulationen

Die Autoren vergleichen DCTM mit der traditionellen DR in vier Szenarien:

• Einfache kontinuierliche Daten: Beide Methoden performen ähnlich gut.
• Komplexe kontinuierliche Daten (Nichtlinearität, Interaktionen, Heteroskedastizität): DR versagt hier stark (hohe Verzerrung, RMSE $\approx 0.43$), da die parametrischen Annahmen verletzt sind. DCTM liefert nahezu orakelgenaue Ergebnisse (RMSE $\approx 0.005$).
• Einfache diskrete Daten: Beide Methoden sind akkurat, aber DCTM ist strukturell robuster.
• Komplexe diskrete Daten: DR zeigt massive Verzerrungen, die sich auf den Steigungskoeffizienten übertragen. DCTM bleibt über alle $\omega$-Werte hinweg stabil und genau.

Empirische Anwendungen

1. Einkommensmobilität in den USA (PSID-SHELF):

   • Die CRRR-Schätzung (innerhalb von Gruppen) liegt bei ca. 0.12, während die unadjustierte RRR bei 0.18 liegt. Der Unterschied zeigt, dass ein erheblicher Teil der Persistenz auf Unterschiede zwischen Gruppen (z. B. Bildung der Eltern) zurückzuführen ist.
   • Geschlechterunterschied: Die Persistenz bei Töchtern ist signifikant höher als bei Söhnen, was darauf hindeutet, dass der Einkommensrang von Töchtern stärker vom familiären Hintergrund abhängt.

2. Bildungsmobilität in Indien (IHDS):

   • Bildung ist ein diskretes, geordnetes Ergebnis. Die Analyse zeigt, dass die Schlussfolgerungen zur Mobilität stark von der Wahl des $\omega$-Parameters abhängen.
   • Unter der Mid-Rang-Definition ($\omega=0.5$) zeigt sich eine ausgeprägte Heterogenität: In muslimischen Haushalten und städtischen Gebieten ist die Mobilität bei Söhnen geringer, während sie bei Töchtern in diesen Gruppen höher ist. Dies unterstreicht die Notwendigkeit, die Rangdefinition explizit zu berichten.

5. Bedeutung und Fazit

Dieses Papier stellt einen bedeutenden Fortschritt in der Messung intergenerationaler Mobilität dar.

• Robustheit: Der vorgeschlagene Ansatz überwindet die Einschränkungen der Distribution Regression, insbesondere bei komplexen, realweltlichen Datenstrukturen.
• Diskrete Daten: Er schließt eine wichtige Lücke in der Literatur, indem er eine rigorose Methode für diskrete Ergebnisse bereitstellt und die Sensitivität gegenüber der Tie-Handhabung aufzeigt.
• Praktische Relevanz: Die Anwendung auf US- und indische Daten offenbart subtile, aber wichtige Muster (z. B. geschlechtsspezifische Unterschiede), die mit herkömmlichen Methoden möglicherweise übersehen oder falsch interpretiert würden.

Die Autoren verweisen darauf, dass zukünftige Arbeiten die asymptotische Theorie auf nichtparametrische Regime (wobei die Modellkomplexität mit $n$ wächst) erweitern und Techniken wie "Double Machine Learning" integrieren könnten, um die Konvergenzraten zu lockern. Dennoch bietet die vorgestellte Methode sofort ein leistungsfähiges Werkzeug für die empirische Forschung.