📈 economics

A Neyman-Orthogonalization Approach to the Incidental Parameter Problem in Likelihood Models

Este artículo propone un método para construir ecuaciones de estimación basadas en la verosimilitud que sean ortogonales a los parámetros de molestia hasta un orden arbitrario $q$ , mitigando así el problema del parámetro incidental en modelos con efectos fijos y permitiendo una inferencia robusta incluso cuando los parámetros de molestia se estiman de manera imprecisa.

Autores originales: Stéphane Bonhomme, Koen Jochmans, Martin Weidner

Publicado 2026-08-18

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Stéphane Bonhomme, Koen Jochmans, Martin Weidner

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo de la economía, los investigadores a menudo intentan comprender cómo factores específicos influyen en los resultados, como por ejemplo cómo la habilidad de un trabajador afecta su salario o cómo la composición de un equipo impacta en su productividad. Para lograr esto, construyen modelos matemáticos que separan los factores que les interesan de otras variables no deseadas que enturbian el panorama. Estas variables no deseadas se denominan parámetros de molestia (nuisance parameters). En muchos casos, estos factores de molestia son específicos de los individuos, como un talento único para un profesor en particular o un rasgo específico de un solo investigador. Cuando los datos son limitados, estimar estos rasgos individuales resulta difícil, y los errores al estimarlos pueden distorsionar el resultado final sobre los factores principales de interés. Este es un problema persistente conocido como el problema del parámetro incidental. Durante décadas, los estadísticos han utilizado una técnica llamada ortogonalidad para intentar solucionar esto. Este método consiste en diseñar el cálculo de modo que los pequeños errores al estimar los factores de molestia no alteren inmediatamente el resultado principal. Sin embargo, este enfoque estándar suele fallar cuando los datos son escasos o cuando los rasgos individuales son muy difíciles de precisar, dejando a los investigadores con conclusiones sesgadas.

Un equipo de economistas de la Universidad de Chicago, la Escuela de Economía de Toulouse y la Universidad de Oxford ha desarrollado una solución más poderosa para este problema. Crearon un método que va más allá de la corrección estándar al hacer que el cálculo sea robusto ante los errores de estimación, siempre que dichos errores disminuyan a un ritmo específico a medida que el tamaño de la muestra aumenta. En lugar de solo asegurar que el primer paso de la matemática sea limpio, su enfoque limpia el segundo, el tercero e incluso pasos superiores del cálculo. Lo llaman ortogonalización de orden superior. Al hacer esto, pueden utilizar datos donde los rasgos individuales se estiman de forma imprecisa y, aun así, llegar a una respuesta precisa para la pregunta principal, siempre y cuando el error de estimación disminuya lo suficientemente rápido en relación con el tamaño de la muestra. Los investigadores probaron este nuevo método en un problema del mundo real relacionado con equipos de investigación científica. Analizaron datos de miles de artículos académicos para comprender cómo trabajan los investigadores. Específicamente, querían saber si trabajar con un socio mejora la calidad de un artículo y si ciertos investigadores se complementan entre sí.

Los investigadores aplicaron su nueva técnica a un conjunto de datos que contenía más de 91,000 artículos publicados en el campo de la economía entre 1990 y 1999. Los datos incluían información sobre quién escribió cada artículo y la calidad de la revista donde apareció. En este entorno, cada autor tiene una capacidad única y no observada que afecta la calidad de su trabajo. Debido a que muchos autores publicaron solo unos pocos artículos durante este periodo, era imposible medir su capacidad individual con alta precisión utilizando métodos estándar. Cuando los investigadores utilizaron la forma antigua y estándar de manejar estas capacidades individuales, los resultados fueron sesgados. El método estándar sugería que trabajar con un socio aumentaba la calidad del artículo, pero la estimación de cómo interactuaban los investigadores estaba sesgada. Específicamente, la estimación no corregida del parámetro de sustitución estaba cerca del caso Cobb-Douglas, lo que implica un tipo específico de relación de producción, pero el sesgo ocultaba la verdadera naturaleza de la interacción.

Cuando los investigadores aplicaron su nuevo método de orden superior, el panorama cambió significamente. Las nuevas estimaciones mostraron que el impulso en la calidad derivado de tener un coautor era más moderado de lo que el método estándar sugería. Más importante aún, el nuevo método reveló que los investigadores son complementos en lugar de sustitutos. Esto significa que cuando dos investigadores con diferentes fortalezas trabajan juntos, producen un trabajo mejor que la suma de sus partes individuales. Los datos indicaron que la combinación específica de autores importa profundamente. Los investigadores también simularon qué pasaría si los autores fueran emparejados aleatoriamente en equipos en lugar de elegir a sus socios. Encontraron que el emparejamiento aleatorio provocaría una caída notable en la calidad promedio de los artículos. Esto sugiere que el sistema actual, donde los investigadores eligen a sus colaboradores, es efectivo porque permite una clasificación positiva (positive sorting), donde investigadores capacitados encuentran a otros investigadores capacitados para trabajar con ellos.

El estudio también demostró que el nuevo método es estable. A medida que los investigadores aumentaban la complejidad de su corrección, los resultados se asentaban en un valor consistente, indicando que el sesgo había sido eliminado con éxito. En contraste, el método estándar producía resultados que estaban lejos de ese valor estable. Los investigadores confirmaron sus hallazgos mediante extensas simulaciones por computadora que imitaban sus datos del mundo real. Estas simulaciones mostraron que su enfoque podía recuperar las verdaderas relaciones subyacentes incluso cuando las capacidades individuales se estimaban con muy pocos datos. El trabajo proporciona una nueva herramienta para los economistas y otros científicos sociales que lidian con datos complejos que involucran muchas características individuales. Les permite extraer conclusiones más fiables de conjuntos de datos que antes eran demasiado desordenados para ser analizados con precisión, asegurando que las historias que cuentan sobre el comportamiento humano estén basadas en terreno sólido y no en artefactos estadísticos.

Resumen Técnico: Un Enfoque de Ortogonalización de Neyman para el Problema del Parámetro Incidental en Modelos de Verosimilitud

1. Planteamiento del Problema y Motivación
El artículo aborda el problema del parámetro incidental en modelos de verosimilitud, específicamente en entornos donde la dimensión de los parámetros de molestia es grande en relación con el tamaño de la muestra, como en datos de panel con efectos fijos o datos de redes con heterogeneidad específica de los nodos. En estos contextos, los estimadores de sustitución (plug-in) estándar para los parámetros objetivo (por ejemplo, parámetros estructurales $\theta_0$ o efectos promedio $\mu_0$ ) sufren un sesgo sustancial porque los parámetros de molestia (por ejemplo, efectos fijos $\eta_{i0}$ ) se estiman a una tasa más lenta que la tasa paramétrica requerida para una inferencia válida.

Los autores señalan que, si bien la ortogonalización de Neyman de primer orden (donde la esperanza de la primera derivada de la ecuación de estimación con respecto al parámetro de molestia es cero) permite una inferencia válida si el parámetro de molestia converge más rápido que $n^{-1/4}$ , esta condición a menudo falla en entornos de alta dimensión. Por ejemplo, en datos de panel con $N$ unidades y $T$ periodos, los efectos fijos convergen a una tasa de $T^{-1/2}$ . La ortogonalidad de primer orden requiere que $N = o(T)$ , una condición que rara vez se cumple en aplicaciones de microeconometría. En consecuencia, la ortogonalización de primer orden por sí sola no resuelve el problema del parámetro incidental en estos entornos.

2. Metodología
Los autores proponen una generalización de orden superior de la ortogonalización de Neyman dentro del marco de la verosimilitud condicional.

Ortogonalidad de Orden Superior: Una ecuación de estimación $u(Z; \theta, \eta, \mu)$ se define como Neyman-ortogonal de orden $q$ si la esperanza de sus primeras $q$ derivadas parciales con respecto al parámetro de molestia $\eta$ es cero:
$E\left[ \nabla^q_\eta u(Z; \theta_0, \eta_0, \mu_0) \right] = 0$
donde $\nabla^q_\eta$ representa el vector de todas las derivadas parciales hasta el orden $q$ . Al combinarse con la división de la muestra (sample splitting) (o validación cruzada/cross-fitting), esta propiedad garantiza que el error de estimación en el parámetro de molestia $\hat{\eta}$ afecte al estimador del parámetro objetivo a una tasa de $O_p(|\hat{\eta} - \eta_0|^{q+1})$ . Esto relaja el requisito de convergencia para $\hat{\eta}$ a $o_p(n^{-1/2(q+1)})$ , permitiendo una inferencia válida incluso cuando $N = o(T^q)$ .
Construcción mediante la Base de Bhattacharyya: El artículo proporciona un método constructivo para generar tales funciones ortogonales de orden superior. Aprovechando la verosimilitud condicional $\ell(y|x; \theta, \eta)$ , los autores utilizan las funciones de la base de Bhattacharyya $v_p$ , definidas como las derivadas de orden $p$ de la log-verosimilitud normalizadas por la propia verosimilitud. Estas funciones de la base tienen media condicional cero.
El Teorema 1 establece que se puede construir una nueva función de momento $u^*_q$ proyectando la función de momento original $u$ sobre el espacio generado por las primeras $q$ funciones de la base de Bhattacharyya ( $w_q$ ). Específicamente:
$u^*_q(z; \theta, \eta, \mu) = u(z; \theta, \eta, \mu) - A(x; \theta, \eta, \mu)^\top w_q(z; \eta)$
donde $A$ se deriva de las matrices de covarianza condicional de las funciones de la base y la función de momento. Esta construcción generaliza la función proyectada de Small y McLeish (1989) y Waterman y Lindsay (1996) a un orden $q$ arbitrario y a parámetros de interés generales (no solo $\theta$ ).
Procedimiento de Estimación: El parámetro objetivo se estima utilizando el Método de Momentos Generalizado (GMM) basado en las funciones ortogonalizadas $u^*_q$ y los estimadores preliminares $\hat{\eta}_i$ obtenidos mediante la división de la muestra. Los autores enfatizan que la estructura de la verosimilitud condicional es crucial, ya que permite la construcción de estas ecuaciones de orden superior sin introducir parámetros de molestia adicionales (que de otro modo serían necesarios para resolver el sistema de ecuaciones para órdenes superiores).

3. Principales Contribuciones

Construcción General: El artículo proporciona un procedimiento cerrado y general para construir ecuaciones de estimación ortogonales a cualquier orden $q$ elegido en modelos de verosimilitud condicional.
Relajación de las Tasas de Convergencia: Al aumentar el orden de ortogonalidad $q$ , el método relaja significativamente el requisito de la tasa de convergencia de los parámetros de molestia, haciendo que la inferencia válida sea factible en entornos donde $N$ es grande en relación con $T$ (por ejemplo, $N = o(T^q)$ ).
Manejo de Efectos Fijos Superpuestos: La metodología acomoda estructuras de datos complejas, como los "efectos fijos superpuestos" en datos de redes, donde un solo parámetro de molestia aparece en múltiples observaciones.
Herramienta de Diagnóstico: Los autores proponen un estadístico de diagnóstico basado en la diferencia entre las funciones de momento ortogonales de orden $q$ y $q+1$ para evaluar si el orden de ortogonalidad elegido es suficiente para eliminar el sesgo.

4. Resultados Empíricos e Ilustraciones
El artículo ilustra el método a través de dos ejemplos principales:

Modelo de Neyman-Scott: Los autores demuestran que, si bien el score estándar es de primer orden ortogonal, sigue siendo sesgado. Se deriva un score de segundo orden ortogonalizado, que produce el estimador con corrección de grados de libertad (dividiendo por $T-1$ en lugar de $T$ ), eliminando completamente el sesgo de $O(T^{-1})$ .
Producción en Equipo (Datos de Redes): Aplican el método para estimar una función de producción de Elasticidad de Sustitución Constante (CES) utilizando datos sobre colaboraciones en investigación económica (Ductor et al., 2014). El modelo incluye efectos fijos específicos de cada investigador.
- Hallazgos: Los estimadores de sustitución estándar y los estimadores ortogonalizados de primer orden arrojan resultados inestables o sesgados (por ejemplo, un parámetro de sustitución $\gamma$ cercano a 0.13). Los estimadores ortogonalizados de orden superior ( $q \geq 2$ ) convergen a un estimador estable de $\gamma \approx 0.41-0.47$ , lo que indica supermodularidad (complementariedad) entre los investigadores.
- Contrafactuales: El método se utiliza para simular una reasignación aleatoria de investigadores. Los resultados sugieren que el emparejamiento aleatorio disminuiría la calidad promedio de los artículos en comparación con la asignación observada, impulsado por la clasificación positiva y la complementariedad.
- Estabilidad: Las estimaciones de los parámetros y los errores estándar se estabilizan a medida que $q$ aumenta de 2 a 6, sin evidencia de un fuerte compromiso entre sesgo y varianza (bias-variance trade-off) en esta aplicación específica.

5. Significado y Reivindicaciones
El artículo sostiene que la ortogonalización de Neyman de orden superior ofrece una solución robusta al problema del parámetro incidental en modelos de verosimilitud donde los parámetros de molestia se estiman de manera imprecisa. A diferencia de los métodos de corrección de sesgo que requieren la estimación y eliminación explícita de términos de sesgo (por ejemplo, Hahn y Newey, 2004), este enfoque logra la reducción del sesgo modificando las propias ecuaciones de estimación.

Los autores posicionan este trabajo como un puente entre la inferencia semiparamétrica y los modelos de efectos fijos de alta dimensión. Señalan que, si bien el método depende de la estructura de la verosimilitud condicional (específicamente la existencia de identidades de Bartlett y la igualdad de la matriz de información), maneja con éxito estructuras de red complejas donde las soluciones alternativas actuales no están disponibles. El artículo concluye con modestia, reconociendo que el enfoque requiere que la estructura de la verosimilitud se cumpla y que extender estos resultados a modelos de condiciones de momento semiparamétricos generales (sin verosimilitudes) es un tema para trabajos futuros.

Más como este