On Robust Empirical Likelihood for Nonparametric Regression with Application to Regression Discontinuity Designs

Planteamiento del Problema

El Verosimilitud Empírica (EL, por sus siglas en inglés) es una potente herramienta de inferencia no paramétrica que ofrece intervalos de confianza basados en la verosimilitud con propiedades deseables, tales como respetar las restricciones de los parámetros y poseer distribuciones límite de tipo Wilks (asintóticamente $\chi^2$). Sin embargo, cuando se aplica a la regresión no paramétrica y a los Diseños de Discontinuidad de Regresión (RDD) utilizando suavizadores polinómicos locales, los métodos estándar de EL enfrentan una limitación crítica: el sesgo de suavizado (smoothing bias).

Para lograr una inferencia de tipo Wilks válida (donde la razón de EL converge a una distribución $\chi^2$ estándar), los enfoques tradicionales requieren un subsuavizado (undersmoothing) (seleccionando un ancho de banda $h$ más pequeño que la tasa óptima para la estimación de puntos). Esto reduce el sesgo pero infla la varianza, lo que conduce a intervalos de confianza excesivamente amplios en muestras finitas.

Alternativamente, los enfoques de corrección de sesgo intentan estimar y eliminar el sesgo. Sin embargo, el artículo identifica un fallo fundamental en los métodos de EL de corrección de sesgo existentes: no tienen en cuenta la variabilidad adicional introduada por la estimación del propio sesgo. En consecuencia, cuando la razón entre el ancho de banda de estimación ($h$) y el ancho de banda piloto utilizado para la corrección del sesgo ($b$) converge a una constante positiva ($h/b \to \kappa \in (0, 1]$), el fenómeno de Wilks tradicional se rompe. La razón de EL converge a una distribución $\chi^2$ escalada en lugar de una estándar, lo que conduce a una subcobertura severa y tasas de error Tipo I infladas si se utilizan los valores críticos estándar.

Metodología

Los autores proponen un nuevo marco denominado Verosimilitud Empírica Robusta (Robust EL) para resolver la tensión entre la corrección de sesgo y la preservación del fenómeno de Wilks bajo condiciones de ancho de banda realistas ($h/b \to \kappa \in [0, 1]$).

1. Construcción de Pesos Robustos:
En lugar de simplemente ajustar la razón de EL o el estimador de punto, la innovación central reside en la construcción de nuevos pesos robustos que son totalmente adaptativos a los datos. Estos pesos logran simultáneamente la corrección de sesgo e incorporan la variabilidad del estimador del sesgo directamente en las restricciones de momentos de la formulación de EL.

• Pesos Robustos Basados en la Expansión de Taylor ($W^\star$): Derivados al reexpresar el estimador del sesgo (basado en un ajuste cuadrático local) dentro de la restricción de momento de EL. Esto trata efectivamente el estimador del sesgo como una función de las probabilidades de remuestreo ($p_i$) en lugar de constantes fijas.
• Pesos Robustos Basados en Diferencias ($W^\ddagger$): Construidos de manera similar utilizando un enfoque de diferencia directa para la estimación del sesgo, asegurando que la variabilidad del estimador de la diferencia sea capturada.

2. Razones de EL Robustas:
Utilizando estos nuevos pesos, los autores definen dos funciones de razón de EL robusta:

• $l_{TR}(\theta)$: Razón de EL robusta basada en la expansión de Taylor.
• $l_{DR}(\theta)$: Razón de EL robusta basada en diferencias.

3. Extensión a RDD:
El marco se extiende tanto a entornos de RDD de Diseño Agudo (Sharp) como de Diseño Difuso (Fuzzy).

• Para RDD Agudo, el método construye pesos robustos para los grupos de tratamiento y control por separado para estimar el efecto del tratamiento $\tau_S$.
• Para RDD Difuso, el método maneja la razón de las discontinuidades en los resultados y las probabilidades de tratamiento, construyendo pesos robustos para todos los componentes ($Y$ y $T$) para estimar $\tau_F$.

4. Marco Teórico:
El artículo adopta el marco asintótico refinado de Calonico et al. (2014), donde $h/b \to \kappa \in [0, 1]$. Bajo condiciones de regularidad estándar, los autores demuestran que tanto $l_{TR}$ como $l_{DR}$ convergen a una distribución $\chi^2_1$ estándar, independientemente de si $\kappa = 0$ (subsuavizado) o $\kappa > 0$ (régimen de corrección de sesgo).

Contribuciones Clave

1. Innovación Metodológica: El artículo pionera en un marco de inferencia de EL con corrección de sesgo basado en pesos robustos totalmente adaptativos a los datos. A diferencia de los métodos anteriores que ajustan la razón post-hoc, este enfoque integra la corrección de sesgo y su variabilidad asociada directamente en el esquema de ponderación de la formulación de EL.
2. Validez Teórica: Los autores establecen que el fenómeno de Wilks se mantiene bajo la condición más general y prácticamente relevante donde $h/b \to \kappa \in [0, 1]$. Esto permite la construcción de intervalos de confianza válidos utilizando valores críticos $\chi^2$ estándar sin requerir subsuavizado.
3. Aplicación a RDD: El marco se extiende sin problemas a RDD Agudo y Difuso, proporcionando los primeros procedimientos de EL robustos para estos entornos que mantienen las propiedades de pivotaje sin necesidad de ajustes de escala complejos o pasos adicionales de estimación de varianza.
4. Análisis de Segundo Orden: El artículo explora las propiedades asintóticas de segundo orden, señalando que, si bien el método actual mejora las tasas de error de cobertura en comparación con la EL original, podrían requerirse modificaciones adicionales para igualar las tasas de error de cobertura óptimas de los estimadores de tipo Wald con corrección de sesgo robusta.

Resultados

Estudios de Simulación:
Se realizaron extensas simulaciones para regresión no paramétrica y entornos de RDD Agudo.

• Cobertura y Tamaño: Los métodos de EL Robusta propuestos (TR y DR) logran consistentemente probabilidades de cobertura empírica cercanas al nivel nominal (95%) y tamaños empíricos correctos a través de una amplia gama de elecciones de ancho de banda ($h$) y razones de ancho de banda piloto ($b/h$).
• Comparación:
  • EL Original (Subsuavizado): Sufrió una subcobertura severa cuando $h$ no era suficientemente pequeño, y produjo intervalos más amplios debido a la alta varianza.
  • EL de Corrección de Sesgo Convencional (TB/DB): Demostró una subcobertura significativa e inflaciones en los errores Tipo I cuando $h/b \not\to 0$, confirmando el fallo teórico de la aproximación de Wilks en estos regímenes.
  • EL Robusta vs. Tipo Wald (CCF): Los métodos de EL Robusta propuestos funcionaron de manera comparable o superior al enfoque de Wald con corrección de sesgo robusta (Calonico et al., 2014) en términos de precisión de cobertura, produciendo a menudo intervalos de confianza más cortos.
• Eficiencia Computacional: Aunque los métodos de EL son computacionalmente más intensivos que los métodos de Wald debido a la inversión numérica, los algoritmos propuestos (usando métodos de Newton-Lagrange) construyeron intervalos de confianza en menos de 0.5 segundos para tamaños de muestra moderados, lo que los hace prácticamente factibles.

Aplicaciones con Datos Reales:
El artículo aplica los métodos propuestos a dos conjuntos de datos reales (detalles en la Sección 6 del artículo completo, resumidos como ilustrativos). Los resultados demuestran la utilidad práctica del método, mostrando que proporciona inferencia fiable sin la necesidad de un ajuste delicado del ancho de banda o del subsuavizado.

Significancia y Reivindicaciones

El artículo afirma proporcionar una "solución satisfactoria" a un desafío de larga data en la literatura de EL: cómo incorporar la corrección de sesgo manteniendo la calibración de tipo Wilks libre de distribución de la Verosimilitud Empírica.

• Robustez a la Selección del Ancho de Banda: La principal significancia es la eliminación de la necesidad de subsuavizado. Los investigadores ahora pueden utilizar anchos de banda que equilibran el sesgo y la varianza de manera óptima para la estimación de puntos (o ligeramente mayores) sin sacrificar la validez de los intervalos de confianza.
• Simplicidad y Flexibilidad: El método evita la implementación engorrosa de factores de escala o pasos de estimación de varianza separados requeridos por otros enfoques de EL con corrección de sesgo. Preserva el atractivo de "basado en la verosimilitud" de la EL.
• Rigor Teórico: Al demostrar que el fenómeno de Wilks se mantiene bajo el marco asintótico refinado ($h/b \to \kappa$), el artículo cierra la brecha entre la optimalidad teórica y la implementación práctica en la inferencia no paramétrica.

Los autores señalan modestamente que, si bien su método logra una tasa de error de cobertura de $O(nh^7 + h^2 + (nh)^{-1})$, lo cual es una mejora respecto a la EL original, aún no iguala la tasa óptima de $O(nh^7 + h^3 + (nh)^{-1})$ de los mejores estimadores de tipo Wald. Sugieren que futuras modificaciones metodológicas podrían alcanzar esta tasa óptima, dejando esto como una dirección para la investigación futura.