Estimation and exclusion restrictions in clustered linear models

Este artículo propone un estimador de variables instrumentales centrado internamente para modelos de regresión lineal con datos agrupados, controles de alta dimensión y restricciones de exclusión complejas, demostrando su validez teórica y aplicándolo a un estudio sobre intervenciones fiscales en zonas rurales de Kenia donde la interferencia espacial genera dichos patrones de exclusión.

Lo esencial

Imagina que eres un detective intentando descubrir la verdad sobre un crimen, pero tienes un problema: tus testigos no están aislados en habitaciones separadas; están todos en una gran fiesta ruidosa donde se gritan cosas unos a otros, se pasan notas y se influyen mutuamente.

Este es el desafío que plantean Anna Mikusheva, Mikkel Sølvsten y Baiyun Jing en su nuevo artículo. Quieren ayudarte a medir el efecto de una intervención (como dar dinero a una aldea) cuando los datos están "agrupados" (como aldeas, escuelas o familias) y donde lo que le pasa a uno afecta a los demás.

Aquí tienes la explicación de su solución, traducida a un lenguaje sencillo y con analogías:

1. El Problema: La "Fiesta Ruidosa" de los Datos

En la economía tradicional, asumimos que cada persona es independiente. Pero en la vida real, las personas están en grupos (clústeres).

• La analogía: Imagina que quieres saber si un nuevo medicamento cura la gripe. Si das el medicamento a un grupo de amigos que viven juntos, y uno se cura, es difícil saber si fue el medicamento o porque el otro amigo le pasó la comida casera.
• El error común: Si usas las herramientas estadísticas normales (como la regresión OLS), asumes que todos son independientes. En una "fiesta" donde todos se influyen, esto te da una respuesta falsa. Es como intentar escuchar a una sola persona en una discoteca gritando; el ruido de fondo (la dependencia) te hace creer cosas que no son ciertas.

2. La Solución: El "Método de la Silla Vacía" (Leave-Out)

Los autores proponen un nuevo tipo de detective estadístico. En lugar de mirar a todos los testigos a la vez, usan una técnica inteligente llamada "instrumento interno con exclusión".

• La analogía del "Método de la Silla Vacía":
  Imagina que quieres saber si el ruido de un vecino te despierta.
  • Si miras a todos los vecinos, no puedes saber quién te despertó porque todos gritan.
  • La solución: Para saber si el vecino de la izquierda te despertó, miras solo a los vecinos que están lejos de él y que no pueden gritarle a él. Usas la información de esos vecinos "lejanos" para limpiar el ruido y ver claramente al vecino de la izquierda.
  • En términos del papel: Para cada persona, el método calcula su efecto usando solo a las otras personas que, según las reglas del juego, no pueden influir en ella. Luego, descarta a las personas que sí podrían influir (las que están "en la misma mesa").

3. Las Reglas del Juego: ¿Quién puede hablar con quién?

El gran avance de este artículo es que te permite decir: "Oye, sé que los vecinos cercanos se influyen, pero los que viven a 3 kilómetros no".

• La analogía del "Mapa de Confianza": Tú, como investigador, dibujas un mapa. Dices: "Si dos personas están a menos de 2 km, no confío en que sean independientes (no las uso para limpiar el ruido). Si están a más de 2 km, sí confío".
• El método se adapta a tus reglas. Si eres muy estricto (solo confías en gente muy lejana), tendrás menos datos para limpiar el ruido, pero tu respuesta será más segura. Si eres más relajado, tendrás más datos, pero podrías cometer errores.

4. El Resultado: Medir con Precisión

El método crea una estimación que no se sesga por el ruido de la fiesta.

• La prueba de la "Caja de Herramientas": Los autores no solo dan la respuesta, sino que te dan una caja de herramientas para saber qué tan seguro estás de ella. A veces, al ser muy estrictos con las reglas (para evitar errores), la respuesta tiene un margen de error más grande (la caja es más grande).
• El ejemplo de Kenia: Probaron esto con un experimento real en Kenia donde dieron dinero a aldeas.
  • Si asumían que el dinero de una aldea afectaba a las vecinas a 1 km, su cálculo era muy preciso.
  • Si asumían que el efecto llegaba hasta 3 km, tenían que ser más cuidadosos, descartando más datos, y el margen de error se hacía más grande.
  • La lección: Cuanto más "ruidoso" es el entorno (más influencia entre vecinos), más difícil es medir el efecto exacto, y tu herramienta estadística te avisa honestamente: "Oye, aquí hay mucha incertidumbre".

En Resumen

Este artículo es como un manual para detectives en fiestas ruidosas.

1. Reconoce que la gente se influye entre sí (no son islas).
2. Te permite definir tus propias reglas sobre quién influye a quién.
3. Usa un truco inteligente (mirar solo a los que no se influyen) para limpiar el ruido y encontrar la verdad.
4. Te dice honestamente qué tan seguro puedes estar de tu respuesta, dependiendo de qué tan estrictas sean tus reglas.

Es una herramienta poderosa para economistas, científicos sociales y cualquier persona que intente entender causas y efectos en un mundo donde todo está conectado.

Resumen técnico

Resumen Técnico: Estimación y Restricciones de Exclusión en Modelos Lineales Agrupados

1. El Problema de Investigación

El artículo aborda los desafíos metodológicos en la estimación de modelos de regresión lineal con datos agrupados (paneles, redes, datos espaciales o estructurados por grupos) que incluyen controles de alta dimensión y restricciones de exclusión complejas.

• Dependencia intra-grupo: Las observaciones dentro de un mismo grupo (clúster) pueden estar correlacionadas debido a interferencia espacial, efectos de derrame (spillovers) o dependencia temporal.
• Fallo de la exogeneidad estricta: En muchos contextos empíricos, asumir que el error es no correlacionado con todos los regresores del grupo (exogeneidad estricta) es implausible. Por otro lado, asumir solo exogeneidad contemporánea (error no correlacionado con el regresor en la misma observación) es insuficiente cuando hay efectos fijos, ya que puede no generar variación identificativa para estimar consistentemente los parámetros estructurales.
• Sesgo de Nickell y sesgo asintótico: Cuando la exogeneidad estricta falla, el estimador de Mínimos Cuadrados Ordinarios (MCO/OLS) sufre de un sesgo asintótico (similar al sesgo de Nickell en paneles dinámicos) y puede ser inconsistente. Además, los estimadores estándar de varianza (robustos a clústeres) suelen fallar porque no capturan la dependencia cruzada entre términos en formas cuadráticas complejas.
• Identificación débil: La presencia de muchos controles y restricciones de exclusión débiles puede llevar a una identificación débil, comprometiendo la inferencia estadística estándar.

2. Metodología Propuesta

Los autores proponen un marco unificado que combina la modelización de resultados (outcome-based) y la basada en el diseño (design-based), centrándose en la construcción de un estimador de Instrumentos Internos (IV) correctamente centrado.

A. Restricciones de Exclusión Parciales
En lugar de asumir exogeneidad estricta o nula, los autores permiten que el investigador especifique una matriz de exclusión $E$ ($n \times n$).

• $E_{\tilde{\ell}\ell} = 1$ si se asume que el regresor $\tilde{\ell}$ es no correlacionado con el error $\ell$.
• $E_{\tilde{\ell}\ell} = 0$ si no se asume tal restricción (permitiendo correlación).
  Esto permite modelar situaciones donde, por ejemplo, en datos espaciales, los vecinos cercanos tienen interferencia, pero los distantes no.

B. El Estimador de Instrumentos Internos Correctamente Centrado
El núcleo de la propuesta es un estimador de la forma $\hat{\beta}_A = \frac{x'Ay}{x'Ax}$, donde $A$ es una matriz de ponderación fija. Para que el estimador sea correctamente centrado (y por tanto consistente), la matriz $A$ debe satisfacer dos condiciones:

1. Propiedad de "Partialling-out" (POP): $AM = A$, donde $M$ es la matriz de proyección que elimina los controles. Esto asegura que los controles sean eliminados correctamente.
2. Centrado Correcto (CC): $A_{\tilde{\ell}\ell} = 0$ para todos los pares $(\tilde{\ell}, \ell)$ donde la restricción de exclusión no se cumple ($E_{\tilde{\ell}\ell} = 0$). Esto garantiza que la esperanza del numerador sea cero condicionalmente.

C. Elección Óptima de la Matriz $A$ ($A^*$)
Dado que existen infinitas matrices que satisfacen las condiciones anteriores, los autores proponen seleccionar $A^*$ minimizando la distancia de Frobenius a la identidad (o a la matriz de proyección $M$):
$$A^* = \arg \min_{A \in \mathcal{A}} \|A - M\|_F$$
Esta elección tiene una interpretación intuitiva de "Leave-out" (dejar fuera):

• Para cada observación $\tilde{\ell}$, se proyecta el resultado y el tratamiento utilizando solo aquellas observaciones cuyos errores son no correlacionados con el regresor de $\tilde{\ell}$.
• Esto genera una transformación de datos específica para cada observación, eliminando el sesgo de Nickell y permitiendo el uso de variables instrumentales internas.

D. Inferencia y Teorema del Límite Central (CLT)
El artículo reconoce que el numerador del error de estimación es una forma cuadrática en los errores, no lineal.

• Nuevo CLT: Se deriva un nuevo Teorema del Límite Central para formas cuadráticas en datos agrupados, que maneja la dependencia intra-clúster y las interacciones entre clústeres.
• Estimador de Varianza Jackknife: Se propone un estimador de varianza tipo Jackknife (basado en Efron y Stein, 1981) que es conservador pero válido incluso cuando hay dependencia cruzada entre clústeres.
• Inferencia Robusta a Identificación Débil: Se recomienda utilizar la prueba de Anderson-Rubin (AR) y conjuntos de confianza invertidos, los cuales son válidos incluso si el denominador del estimador tiene alta variabilidad muestral (identificación débil).

3. Contribuciones Clave

1. Generalización de Métodos de Paneles Dinámicos: Extiende los métodos de instrumentos internos (como Anderson-Hsiao, Arellano-Bond) a configuraciones generales de datos agrupados (espaciales, redes) con restricciones de exclusión arbitrarias especificadas por el investigador.
2. Caracterización de la Eficiencia: Demuestran que su estimador $A^*$ es asintóticamente eficiente dentro de la clase de estimadores correctamente centrados bajo condiciones ideales de homocedasticidad. También cuantifican la "pérdida de eficiencia" (costo de robustez) al relajar las suposiciones de exogeneidad.
3. Inferencia en Presencia de Dependencia Compleja: Proporcionan un CLT y un estimador de varianza que son válidos incluso cuando los controles de alta dimensión (como efectos fijos bidireccionales) crean dependencias complejas entre clústeres, situaciones donde los errores estándar robustos a clústeres tradicionales fallan.
4. Marco de Identificación Débil: Desarrollan procedimientos de inferencia que no dependen de la fuerza del instrumento, evitando los sesgos de inferencia comunes en paneles dinámicos con muchos instrumentos.

4. Resultados Principales

• Consistencia: El estimador propuesto elimina el sesgo asintótico de OLS que surge cuando la exogeneidad estricta no se cumple, siempre que se especifiquen correctamente las restricciones de exclusión.
• Comportamiento de la Varianza: En escenarios con muchos controles (ej. efectos fijos bidireccionales), la matriz $A^*$ deja de ser bloque-diagonal. Esto induce dependencia cruzada entre clústeres, haciendo que los estimadores de varianza estándar sean inválidos. El estimador Jackknife propuesto corrige esto.
• Aplicación Empírica (Kenya):
  • Se aplica el método a un experimento de intervención fiscal a gran escala en zonas rurales de Kenia (Egger et al., 2022).
  • Hallazgo: La precisión de las estimaciones y el tamaño de los intervalos de confianza dependen críticamente de la suposición de exogeneidad (distancia máxima de interferencia).
  • Al relajar la restricción de exclusión (permitir interferencia a distancias mayores, ej. 3 km vs 2 km), el tamaño efectivo de la muestra disminuye (traza de $A^*$), lo que resulta en errores estándar más grandes e intervalos de confianza más amplios, aunque los estimadores puntuales se mantienen estables.
  • La estructura de la matriz $A^*$ muestra que, bajo restricciones más débiles, la información se propaga a través de múltiples clústeres, rompiendo la estructura de bloques diagonal.

5. Significancia e Impacto

Este trabajo es fundamental para la econometría aplicada moderna porque:

• Resuelve el dilema de la exogeneidad: Ofrece una solución rigurosa para situaciones donde la exogeneidad estricta es falsa pero la independencia total es inexistente, un problema común en economía del desarrollo, ciencias políticas y economía espacial.
• Valida la inferencia en datos complejos: Proporciona herramientas teóricas y prácticas para realizar inferencia válida en presencia de interferencia espacial y redes sociales, donde los métodos estándar (MCO con errores robustos) suelen estar sesgados o tener tamaños de prueba incorrectos.
• Flexibilidad para el investigador: Permite a los investigadores codificar su conocimiento estructural sobre los mecanismos de interferencia (a través de la matriz $E$) y ver cómo esto afecta cuantitativamente la precisión de sus estimaciones, fomentando una práctica más transparente y robusta.

En resumen, el artículo proporciona un marco unificado para la estimación y la inferencia en modelos lineales con datos agrupados y alta dimensionalidad, superando las limitaciones de los métodos tradicionales de paneles dinámicos y ofreciendo una solución robusta a los problemas de identificación y sesgo en entornos de interferencia compleja.