Synthetic Regressing Control

Resumen Técnico: Control de Regresión Sintética (SRC)

Planteamiento del Problema
El método de Control Sintético (SC) es un enfoque estándar para estimar efectos de tratamiento en datos de panel con una única unidad tratada y un número modesto de unidades de control. Este construye un "control sintético" mediante la búsqueda de un promedio ponderado de las unidades de control que coincida estrechamente con la trayectoria de resultados de la unidad tratada en el periodo de pre-tratamiento. Sin embargo, el artículo identifica dos omisiones críticas en la metodología estándar de SC que conducen a pesos subóptimos y a una extrapolación deficiente:

1. Error de Interpolación: El método SC estándar intenta igualar directamente los resultados de pre-tratamiento. Si la combinación lineal de las unidades de control (restringida a pesos no negativos que suman uno) no puede aproximar estrechamente la trayectoria de pre-tratamiento de la unidad tratada, ocurre un error de interpolación significativo. Esto es particularmente problemático bajo modelos de factores donde las cargas factoriales de la unidad tratada se encuentran fuera del envolvente convexo de las cargas de las unidades de control.
2. Omisión de Ruido y Restricciones: La restricción estándar de que los pesos deben sumar uno ($\sum w_j = 1$) está diseñada para minimizar el sesgo en la media, pero pasa por alto el impacto del ruido. El artículo demuestra que esta restricción no logra minimizar el componente de varianza del error de predicción. Específicamente, forzar que la suma de los pesos sea igual a 1 no optimiza la compensación entre sesgo y varianza en presencia de errores idiosincrásicos, lo que conduce a un error de predicción de media cuadrática subóptimo.

Metodología: Control de Regresión Sintética (SRC)
El método de Control de Regresión Sintética (SRC) propuesto aborda estos problemas mediante un procedimiento de dos etapas que desacopla la alineación de las unidades de la síntesis de los pesos.

1. Regresión de Unidades (Pre-procesamiento):
   En lugar de igualar directamente los resultados brutos, el SRC realiza primero una regresión lineal univariante para cada unidad de control $j$ contra la unidad tratada utilizando los datos de pre-tratamiento.

   • Para cada unidad de control $j$, se estima un coeficiente $\hat{\theta}_j$ para minimizar la distancia al cuadrado entre los resultados de pre-tratamiento de la unidad tratada y una versión escalada de los resultados de la unidad de control.
   • Esto genera "controles regresados" $\tilde{Y}_{jt}(0) = \hat{\theta}_j(Y_{jt} - \bar{y}_j)$, lo cual alinea efectivamente las trayectorias de pre-tratamiento de las unidades de control con la unidad tratada, reduciendo el error de interpolación.

2. Síntesis con Estimación de Riesgo No Sesgado:
   El estimador SRC se construye como un promedio ponderado de estos controles regresados. Los pesos $w$ se determinan minimizando un estimador de riesgo no sesgado (específicamente, un criterio de tipo Mallows' $C_p$) en lugar de satisfacer la estricta restricción del simplex ($\sum w_j = 1$).

   • Función Objetivo: El método minimiza $\| \hat{y}_1(w) - y_1 \|^2 + 2\hat{\sigma}^2 \sum w_j$, donde $\hat{\sigma}^2$ es una estimación de la varianza del error.
   • Restricción: Los pesos están restringidos a ser no negativos ($w_j \ge 0$), pero se permite que sumen una constante $c$ (donde $c$ es impulsada por los datos y está relacionada con el nivel de ruido), en lugar de sumar estrictamente 1. Esta relajación permite que el método tome en cuenta el ruido del modelo y evita el "sobreajuste" del componente de ruido que ocurre al forzar la suma a 1.
   • Extensión de Alta Dimensión: Cuando el número de unidades de control $J$ excede o se aproxima al número de periodos temporales $T_0$, el artículo propone un paso de cribado utilizando el Cribado y Clasificación Independiente Segura (SIRS) para seleccionar un subconjunto de unidades activas antes de aplicar el algoritmo SRC.

Contribuciones Clave

• Marco Teórico: El artículo introduce un modelo de trabajo donde el resultado potencial de la unidad tratada es una combinación lineal de unidades de control regresadas más un término de error. Este marco separa explícitamente la alineación de las unidades (vía coeficientes de regresión) de la síntesis de las unidades (vía pesos).
• Optimalidad Asintótica: Los autores demuestran que el estimador SRC, utilizando pesos derivados del criterio de estimación de riesgo no sesgado, es asintóticamente óptimo. Específicamente, la pérdida del estimador SRC converge al mínimo de pérdida alcanzable por el "mejor estimador sintético posible infalible" (el oráculo) a medida que aumenta el número de periodos de pre-tratamiento.
• Abordaje de las Limitaciones de SC: El método demuestra teóricamente que relajar la restricción $\sum w_j = 1$ en favor de una minimización de riesgo penalizada reduce el impacto del ruido en el error de predicción, una limitación inherente al SC estándar.
• Manejo de la No Linealidad y la Heterogeneidad: A través de ejemplos que involucran modelos de factores lineales, modelos de factores no lineales y modelos autorregresivos, el artículo muestra que la regresión de unidades puede identificar y reducir el peso de las unidades de control irrelevantes (por ejemplo, estableciendo pesos en cero en modelos de factores no lineales donde los controles no están relacionados con la unidad tratada), mejorando así la robustez.

Resultados

• Estudios de Simulación: Simulaciones de Monte Carlo extensas basadas en modelos de factores (incluyendo configuraciones con efectos temporales fijos, cargas factoriales heterogéneas y ruido heterocedástico) muestran que el SRC logra consistentemente un error de predicción de media cuadrática más bajo en comparación con métodos existentes, incluyendo el SC original, el SC de medias de diferencia (demeaned SC), el SC aumentado, el SC generalizado y el Lasso restringido.
• Aplicación Empírica: El método se aplica a los costos económicos de los conflictos en la región vasca de España. Los resultados indican que el SRC proporciona un mejor ajuste para el periodo de pre-tratamiento y produce estimaciones contrafactuales más precisas en comparación con otros estimadores alternativos.

Significado y Reivindicaciones
El artículo afirma que el SRC ofrece una mejora simple pero efectiva sobre el método de Control Sintético estándar al abordar los problemas fundamentales del error de interpolación y la sensibilidad al ruido.

• Reivindicaciones Modestas sobre la Inferencia: Los autores declaran explícitamente que, si bien el estimador SRC logra la optimalidad asintótica en términos de pérdida de predicción, actualmente no proporciona un estimador no sesgado para el efecto del tratamiento en sí mismo. Señalan que derivar un estimador debiasado para una inferencia estadística válida (por ejemplo, intervalos de confianza) utilizando la teoría de la proyección es una dirección prometedora para trabajos futuros, pero queda fuera del alcance del presente artículo.
• Interpretabilidad: El método conserva la interpretabilidad del enfoque SC (pesos no negativos) mientras permite que los coeficientes de regresión gestionen el escalado y la alineación, manejando efectivamente la extrapolación sin depender de la restrictiva restricción de la suma de unidades.
• Utilidad Práctica: La inclusión de un mecanismo de cribado (SIRS) hace que el método sea aplicable en entornos de alta dimensión donde el número de unidades de control es grande en relación con la longitud de la serie temporal, un desafío común en las aplicaciones modernas de datos de panel.