Resumen Técnico: Un Marco Unificado para la Realeatorización mediante Formas Cuadráticas

Planteamiento del Problema

En el diseño de experimentos aleatorios, asegurar el equilibrio de las covariables entre los grupos de tratamiento y control es fundamental para reducir los errores estándar y aumentar el poder estadístico. Si bien el bloqueo es efectivo para variables categóricas, presenta dificultades con covariables continuas de alta dimensión. La realeatorización aborda esto mediante la aleatorización de las asignaciones de tratamiento hasta alcanzar un nivel preespecificado de equilibrio de covariables.

Históricamente, la mayoría de los métodos de realeatorización dependen de la distancia de Mahalanobis (Morgan y Rubin, 2012), que utiliza la matriz de covarianza inversa ($\Sigma^{-1}$) como matriz de ponderación. En entornos de alta dimensión, la realeatorización de Mahalanobis aplica un porcentaje igual de reducción de la varianza a todas las covariables. A medida que la dimensionalidad ($d$) aumenta, el término de reducción de la varianza se aproxima a 1, lo que vuelve ineficaz al método. Aunque extensiones como la Realeatorización de Ridge (Branson y Shao, 2021) y la Realeatorización de PCA (Zhang et al., 2024) intentan mitigar esto priorizando componentes principales específicos, requieren parámetros de ajuste o umbrales arbitrarios. Además, los resultados de optimalidad existentes suelen asumir el conocimiento de la relación entre las covariables y los resultados (por ejemplo, Liu et al., 2025), algo que rara vez está disponible antes de un experimento.

Metodología

Los autores proponen un marco unificado donde la realeatorización se define mediante una métrica de equilibrio de forma cuadrática general:
$$Q_A(\sqrt{n}\hat{\tau}_X) = (\sqrt{n}\hat{\tau}_X)^T A (\sqrt{n}\hat{\tau}_X)$$
donde $\hat{\tau}_X$ es el vector de diferencias de medias de las covariables, y $A$ es una matriz definida positiva semidefinida, fija y no nula ($A \in S^d_+$).

El artículo deriva resultados teóricos generales para cualquier esquema de este tipo bajo el marco de resultados potenciales, condicionando sobre las covariables $X$ fijas y los resultados potenciales. El análisis se basa en dos condiciones:

1. Condición 1: Las varianzas y covarianzas de la población finita de los resultados y las covariables están bien definidas y poseen valores límite.
2. Condición 2: El criterio de realeatorización es simétrico en la asignación del tratamiento y otorga probabilidad no nula a algunas asignaciones.

Los autores utilizan la estructura propia de los autovalores de la matriz de covarianza de las diferencias de medias de las covariables ($\Sigma$) y de la matriz $\Sigma^{1/2}A\Sigma^{1/2}$ para caracterizar la distribución asintótica del estimador realeatorizado.

Contribuciones Clave

1. Resultados Teóricos Generales

Los autores derivan la covarianza asintótica de las diferencias de medias de las covariables bajo cualquier forma cuadrática de realeatorización (Teorema 1). Demuestran que la matriz de covarianza es rotada y escalada por factores de reducción de la varianza $\nu_{j,\eta}$, que dependen de los autovalores de $\Sigma^{1/2}A\Sigma^{1/2}$. Este marco permite la rápida rederivación de las propiedades de métodos existentes (Mahalanobis, Ridge, PCA) y el análisis de nuevos esquemas.

2. Optimalidad para el Equilibrio de Covariables (Sin Información del Resultado)

El artículo establece elecciones óptimas para $A$ basándose únicamente en las propiedades de las covariables, sin requerir el conocimiento de la relación con el resultado ($\beta$):

• Minimización de la Norma de Frobenius: La distancia euclidiana ($A = I_d$) minimiza la norma de Frobenius de la matriz de covarianza de las diferencias de medias de las covariables (Teorema 2). Esto asegura que todas las direcciones de variación tengan una magnitud igual tras la realeatorización.
• Maximización de la Reducción de la Varianza Total: La distancia de Mahalanobis ($A = \Sigma^{-1}$) maximiza la reducción total de la varianza en todos los componentes principales (Teorema 3).

3. Optimalidad para la Estimación del Efecto de Tratamiento Promedio (ATE)

Los autores vinculan la elección de $A$ con la varianza del estimador de la diferencia de medias ($\hat{\tau}$).

• Optimalidad Oráculo: Si la relación entre las covariables y los resultados ($\beta$) fuera conocida, la matriz óptima sería $A^* = \beta\beta^T$ (Teorema 5). Esto pondera las diferencias de medias de las covariables según su poder predictivo para el resultado.
• Optimalidad Minimax: Dado que $\beta$ es típicamente desconocido, los autores demuestran que la Realeatorización Euclidiana ($A = I_d$) es minimax óptima (Teorema 6). En el sentido de que la precisión del estimador nunca está "demasiado lejos" de la elección óptima, independientemente de la verdadera relación entre las covariables y los resultados. Esto hace que la Realeatorización Euclidiana sea una elección robusta y "segura" cuando no hay información disponible sobre el resultado.

4. Reglas de Selección de Componentes Principales

El artículo extiende el marco para la selección de los $k$ primeros componentes principales. Deriva una regla de decisión costo-beneficio (Ecuación 8) para elegir $k$ cuando $\beta$ es desconocido, la cual equilibra la reducción de la varianza obtenida en los componentes superiores frente a la pérdida de reducción en los componentes descartados. Esto se denomina la regla de Autovalores Ponderados.

Resultados

Estudio de Simulación

Los autores realizaron simulaciones a través de diversas dimensiones ($d$) y distribuciones de autovalores (dispersas, promedio, uniforme) con diferentes relaciones entre los componentes principales y los resultados:

• Autovalores Dispersos: Cuando los autovalores son dispersos y los resultados dependen de los componentes principales inferiores, la realeatorización de Mahalanobis supera a otras. Sin embargo, si los resultados dependen de los componentes superiores, Mahalanobis tiene un desempeño deficiente.
• Robustez: La Realeatorización Euclidiana proporcionó consistentemente la segunda mejor reducción de la varianza en todos los entornos y fue la mejor en restringir la matriz de covarianza. Demostró una robustez superior comparada con Mahalanobis, que sufrió significativamente en entornos donde sus supuestos (ponderación igualitaria) estaban desalineados con la estructura del resultado.
• Euclidiana al Cuadrado: Establecer $A = \Sigma$ (Euclidiana al Cuadrado) pondera más los autovalores superiores y funcionó bien cuando los componentes superiores eran predictivos, pero careció de la robustez de la realeatorización euclidiana estándar.

Aplicación a Datos Reales

Utilizando un ensayo controlado aleatorio de mentoría para adolescentes alemanes ($n=308, d=21$), los autores construyeron resultados potenciales sintéticos no lineales y no aditivos.

• Hallazgos: Los autovalores de las covariables eran relativamente uniformes. En este entorno, todos los métodos se comportaron de manera similar, pero la Realeatorización Euclidiana produjo la varianza más baja (0.565 en relación con la aleatorización completa), seguida de cerca por la Euclidiana al Cuadrado (0.576).
• Implicación: Los resultados concuerdan con la afirmación teórica de que la realeatorización euclidiana es minimax óptima y robusta, particularmente cuando la estructura propia de los autovalores no favorece fuertemente un subconjunto específico de componentes.

Significado y Reivindicaciones

El artículo afirma proporcionar un marco teórico general que unifica los métodos de realeatorización existentes bajo el paraguas de las formas cuadráticas. Su principal significancia radica en:

1. Guía Práctica: Ofrece una guía clara y teóricamente fundamentada para los profesionales sobre cómo elegir la matriz $A$ cuando no se dispone de información sobre el resultado. Específicamente, aboga por la Realeatorización Euclidiana como una estrategia minimax óptima que evita las trampas de la distancia de Mahalanobis de alta dimensión, manteniendo la robustez.
2. Puente entre Teoría y Práctica: Llena un vacío en la literatura al derivar resultados de optimalidad que no dependen del conocimiento previo de la relación entre el resultado y la covariable, una limitación común en trabajos anteriores (por ejemplo, Liu et al., 2025).
3. Expansión Metodológica: Demuestra que la elección de $A$ dicta la estructura propia de la matriz de covarianza resultante, permitiendo a los investigadores adaptar las estrategias de realeatorización (por ejemplo, mediante reglas de Euclidiana al Cuadrado o de PCA) basándose en la estructura propia de sus datos y sus creencias previas sobre las relaciones de los resultados.

Los autores mantienen la modestia, señalando que sus resultados se aplican específicamente a esquemas de realeatorización expresables como formas cuadráticas y no excluyen necesariamente la superioridad de otras estrategias de diseño no cuadráticas (por ejemplo, la asignación por kernel). Sugieren que el trabajo futuro podría extender estos marcos a experimentos de múltiples brazos y diseños secuenciales.