Robust Inference for Convex Pairwise Difference Estimators

Resumen Técnico: Inferencia Robusta para Estimadores de Diferencia Pareada Convexa

Planteamiento del Problema
Este artículo aborda los desafíos de inferencia asociados a una amplia clase de estimadores de diferencia pareada convexa, definidos como minimizadores de una función objetivo convexa ponderada por un núcleo sobre pares de observaciones con covariables similares. Estos estimadores se utilizan ampliamente para abordar la heterogeneidad en modelos no lineales (por ejemplo, regresión parcialmente lineal, logit y modelos Tobit).

La dificultad central radica en la dependencia del comportamiento asintótico del estimador del parámetro de ancho de banda (localización), $h_n$. La inferencia clásica depende de condiciones restrictivas de ancho de banda: específicamente, que $n h_n^d \to \infty$ (asegurando suficientes pares para la linealidad asintótica) y $n h_n^4 \to 0$ (asegurando que el sesgo sea despreciable). Bajo estas condiciones, el estimador es asintóticamente lineal y la inferencia estándar mediante bootstrap no paramétrico es consistente. Sin embargo, en la práctica, seleccionar un ancho de banda que satisfaga ambas condiciones simultáneamente es difícil, particularmente a medida que aumenta la dimensión $d$ del vector de covariables. Los métodos existentes a menudo fallan en proporcionar inferencia válida cuando el ancho de banda es demasiado pequeño (violando la condición de linealidad) o demasiado grande (violando la condición de sesgo).

Metodología
Los autores desarrollan un marco de inferencia novedoso que combina tres ideas teóricas distintas para lograr robustez en un rango más amplio de elecciones de ancho de banda:

1. Asintótica de Ancho de Banda Pequeño: Extendiendo el marco de Cattaneo, Crump y Jansson (2014a), el artículo deriva aproximaciones de distribución gaussiana para el estimador sin imponer la condición $n h_n^d \to \infty$. En su lugar, establece la validez bajo la condición más débil $n^2 h_n^d \to \infty$. Este enfoque cuenta con la varianza adicional inducida por la alta localización, resultando en una tasa de convergencia y una estructura de varianza que dependen explícitamente del grado de localización.
2. Corrección de Sesgo mediante Jackknife Generalizado: Para abordar el sesgo cuando $h_n$ es grande (violando $n h_n^4 \to 0$), los autores emplean un procedimiento de corrección de sesgo basado en el jackknife generalizado (Schucany y Sommers, 1977). Esto implica construir una combinación lineal de estimadores calculados con diferentes anchos de banda. Crucialmente, a diferencia del uso de núcleos de orden superior (lo cual introduciría pesos negativos y destruiría la convexidad de la función objetivo), el jackknife generalizado preserva la convexidad del estimador. Esto permite el uso de anchos de banda más grandes mientras se mantienen los beneficios computacionales y teóricos de la optimización convexa.
3. Redimensionamiento del Bootstrap: El artículo identifica que el bootstrap no paramétrico estándar es inconsistente bajo asintótica de ancho de banda pequeño porque falla en capturar la inflación de varianza específica causada por la localización. Los autores proponen un procedimiento de bootstrap corregido donde el parámetro de localización utilizado en el remuestreo de bootstrap se redimensiona por un factor de $3^{1/d}$. Este ajuste alinea la varianza del bootstrap con la varianza asintótica verdadera, asegurando consistencia incluso cuando $n h_n^d$ está acotado.

Contribuciones y Resultados Clave
El artículo proporciona una teoría de distribución exhaustiva y un método de inferencia práctico que unifica estos tres componentes.

• Aproximación Gaussiana Generalizada: El Teorema 1 establece que bajo $n^2 h_n^d \to \infty$, el estimador converge a una distribución gaussiana. La varianza asintótica incluye un término que refleja la incertidumbre de "ancho de banda pequeño", la cual desaparece solo si $n h_n^d \to \infty$. Este resultado cubre tres regímenes: linealidad asintótica ($n h_n^d \to \infty$), consistencia de raíz-$n$ sin linealidad ($n h_n^d \to c \in (0, \infty)$) y consistencia más lenta que raíz-$n$ ($n h_n^d \to 0$ pero $n^2 h_n^d \to \infty$).
• Propiedades del Estimador Corregido de Sesgo: El Teorema 2 extiende la aproximación gaussiana al estimador corregido de sesgo. Muestra que al combinar estimadores con anchos de banda $h_n, c_1 h_n, \dots, c_L h_n$ utilizando pesos específicos, se pueden eliminar términos de sesgo hasta el orden $h_n^{2L+2}$. Esto permite inferencia válida con anchos de banda que violan la condición estándar $n h_n^4 \to 0$, siempre que $n h_n^{4(L+1)} \to 0$.
• Inferencia de Bootstrap Válida: El Teorema 3 y el Corolario 1 demuestran que el bootstrap estándar es inconsistente bajo asintótica de ancho de banda pequeño debido a un desajuste de varianza. Sin embargo, al redimensionar el ancho de banda en el paso de bootstrap a $3^{1/d} h_n$, el método produce una aproximación de distribución consistente.
• Cobertura Robusta: El artículo compara cuatro procedimientos de inferencia: (1) Clásico, (2) Clásico Corregido de Sesgo, (3) Ancho de Banda Pequeño y (4) Ancho de Banda Pequeño Corregido de Sesgo. El análisis teórico y la evidencia de simulación (Sección 6) muestran que la combinación de corrección de sesgo y redimensionamiento de ancho de banda (Procedimiento 4) proporciona las probabilidades de cobertura más robustas en el rango más amplio de elecciones de ancho de banda. Mitiga el conservadurismo del bootstrap estándar en anchos de banda pequeños y la subcobertura debida al sesgo en anchos de banda grandes.

Significado
El artículo afirma ofrecer un método de inferencia "demonstrablemente más robusto" para estimadores de diferencia pareada convexa en comparación con los enfoques existentes. Su significado principal radica en:

1. Relajar Restricciones de Ancho de Banda: Elimina la necesidad de la condición restrictiva $n h_n^d \to \infty$ para una aproximación gaussiana válida, permitiendo niveles más altos de localización.
2. Preservar la Convexidad: Al utilizar jackknife generalizado en lugar de núcleos de orden superior, el método retiene la convexidad de la función objetivo, lo cual es esencial para una computación rápida y condiciones de regularidad más débiles.
3. Robustez Práctica: El método propuesto (combinando corrección de sesgo y redimensionamiento) asegura que los intervalos de confianza mantengan niveles de cobertura nominales incluso cuando la elección del ancho de banda es incierta o impulsada por los datos, un escenario común en el trabajo empírico.

Los autores señalan que su desarrollo teórico depende en gran medida de la convexidad de la función objetivo y del trabajo fundamental de Hjort y Pollard (1993) y Pollard (1991) aplicado a procesos-U. El artículo concluye sugiriendo futuras extensiones a expansiones estocásticas de orden superior para la selección de ancho de banda, estimadores de varianza consistentes y estimadores basados en regresores generados.