Estimation and Inference in Boundary Discontinuity Designs: Distance-Based Methods

Aquí presento un resumen técnico detallado del artículo "Estimation and Inference in Boundary Discontinuity Designs: Distance-Based Methods" (Estimación e Inferencia en Diseños de Discontinuidad de Frontera: Métodos Basados en Distancia), escrito por Matias D. Cattaneo, Rocio Titiunik y Ruiqi (Rae) Yu.

1. Planteamiento del Problema

Los Diseños de Discontinuidad de Frontera (BD, por sus siglas en inglés) generalizan los diseños de discontinuidad en regresión (RD) estándar a contextos donde la asignación del tratamiento se determina por una frontera unidimensional $B$ que divide un espacio bidimensional (o de mayor dimensión) de puntuaciones $X_i \in \mathbb{R}^2$. Un ejemplo clásico son los diseños geográficos, donde la frontera entre dos municipios o distritos determina el tratamiento.

El objetivo causal central es la Curva del Efecto Promedio del Tratamiento en la Frontera (BATEC), definida como:
$$\tau(x) = E[Y_i(1) - Y_i(0) | X_i = x], \quad x \in B$$
donde $Y_i(t)$ son los resultados potenciales.

El artículo se centra en los métodos basados en distancia, que son ampliamente utilizados en la práctica empírica (más de 80 estudios recientes). Estos métodos transforman la puntuación bivariada $X_i$ en una variable de corrida univariada escalar $D_i(x)$, definida como la distancia (con signo) desde la observación $X_i$ hasta un punto específico $x$ en la frontera $B$. A pesar de su popularidad, existía una falta de justificación teórica formal sobre las propiedades de identificación, estimación e inferencia de estos métodos, especialmente cuando la frontera $B$ presenta irregularidades geométricas (como "kinks" o esquinas).

2. Metodología

Los autores formalizan el enfoque basado en distancia utilizando regresiones polinomiales locales isotrópicas (univariadas) a lo largo de la variedad unidimensional $B$.

• Variable de Corrida: Para cada punto $x \in B$, se define $D_i(x) = (\mathbb{1}(X_i \in A_1) - \mathbb{1}(X_i \in A_0)) \cdot d(X_i, x)$, donde $d(\cdot, \cdot)$ es una función de distancia (usualmente euclidiana).
• Estimador: Se estima la diferencia entre dos regresiones polinomiales locales univariadas (tratamiento y control) evaluadas en el límite $r=0$ de la distancia:
  $$\hat{\vartheta}(x) = \hat{\theta}_{1,x}(0) - \hat{\theta}_{0,x}(0)$$
  donde $\hat{\theta}_{t,x}(0)$ es el intercepto de la regresión local de $Y_i$ sobre $D_i(x)$ para el grupo $t$.
• Análisis de Sesgo: El núcleo del análisis teórico es estudiar la función de expectativa condicional inducida por la transformación de distancia: $\theta_{t,x}(r) = E[Y_i | D_i(x)=r]$. Los autores demuestran que la suavidad de $\theta_{t,x}(r)$ depende críticamente de la geometría de la frontera $B$ y la función de distancia, no solo de la suavidad de la función de regresión subyacente $\mu_t(x)$.

3. Contribuciones Clave

El artículo aporta tres contribuciones teóricas fundamentales:

1. Identificación y Condiciones de Regularidad:

   • Establecen condiciones suficientes para que el parámetro inducido por la distancia coincida con el efecto causal real $\tau(x)$.
   • Demuestran que la geometría de la frontera es crucial. Si la frontera es una curva rectificable, la identificación se mantiene, pero la aproximación del sesgo varía según la suavidad local.

2. Análisis del Sesgo de Especificación (Bias):

   • Teorema 2 (Irregularidades): Muestran que cerca de puntos irregulares de la frontera (como esquinas o "kinks"), el estimador basado en distancia presenta un sesgo de especificación irreducible de orden $O(h)$, independientemente del orden del polinomio $p$ o de la suavidad de la función subyacente $\mu_t(x)$. Esto ocurre porque la transformación de distancia induce una no diferenciabilidad en la función de regresión univariada inducida.
   • Teorema 3 (Fronteras Suaves): Cuando la frontera es suficientemente suave, se recupera la tasa de sesgo estándar de la literatura no paramétrica, $O(h^{p+1})$.
   • Implicación: Los métodos estándar de RD univariada pueden fallar en BD si no se ajustan para las irregularidades geométricas, generando un sesgo mucho mayor de lo esperado.

3. Límites Minimax y Óptimo de Convergencia:

   • Teorema 6: Establecen un límite inferior minimax para la tasa de convergencia uniforme de cualquier estimador no paramétrico isotrópico basado en distancia en una variedad rectificable.
   • Resultado Sorprendente: Independientemente de la suavidad de la función de regresión bivariada subyacente, los estimadores basados en distancia no pueden superar una tasa de convergencia uniforme de $n^{-1/4}$ (salvo factores logarítmicos). Esta tasa coincide con la óptima para funciones de regresión bivariadas que son solo Lipschitz continuas. Esto demuestra que la reducción de dimensionalidad a una distancia escalar impone un "techo" en la precisión que no se puede superar sin información geométrica adicional.

4. Resultados Principales

• Tasas de Convergencia:
  • Puntual: El estimador converge a la tasa $O_P((nh^2)^{-1/2} + h^{p+1})$ si la frontera es suave, pero se degrada a $O_P(h)$ cerca de kinks.
  • Uniforme: La tasa uniforme óptima es $(n/\log n)^{-1/4}$.
• Inferencia Estadística:
  • Desarrollan procedimientos válidos para intervalos de confianza puntuales y bandas de confianza uniformes a lo largo de toda la frontera $B$.
  • Utilizan una aproximación fuerte de procesos empíricos (Teorema SA-8 en el apéndice) para manejar la complejidad de la inferencia uniforme en variedades, superando las dificultades de la convergencia débil estándar.
  • Proponen métodos de corrección de sesgo robusto y selección de ancho de banda adaptativa.
• Guía Práctica:
  • Si la frontera es suave, se pueden usar métodos estándar de RD con ajustes de ancho de banda.
  • Si hay kinks, se recomienda un ancho de banda global de orden $n^{-1/4}$ o estrategias adaptativas que reduzcan el ancho de banda cerca de las irregularidades.
  • Se introduce el paquete de software rd2d en R, que implementa estos selectores de ancho de banda y procedimientos de inferencia.

5. Significado e Impacto

• Validación Teórica: Proporciona la primera justificación teórica rigurosa para los métodos basados en distancia, que son omnipresentes en la literatura empírica (especialmente en economía y ciencias políticas con datos geográficos), pero que carecían de fundamentos formales.
• Advertencia sobre la Geometría: Ilustra que la geometría de la frontera no es un detalle trivial; las irregularidades (kinks) pueden destruir la eficiencia de los estimadores de alto orden, haciendo que el sesgo sea dominante incluso con muestras grandes.
• Límites Fundamentales: El resultado minimax de $n^{-1/4}$ es un hallazgo profundo en la teoría de estimación no paramétrica en variedades, mostrando que la proyección a una dimensión escalar (distancia) tiene un costo inherente en la tasa de convergencia que no depende de la suavidad de los datos originales.
• Aplicabilidad Empírica: Ofrece herramientas concretas (software y reglas de ancho de banda) para que los investigadores puedan estimar efectos heterogéneos a lo largo de fronteras complejas de manera válida, mejorando la credibilidad de los estudios de discontinuidad geográfica y de múltiples puntuaciones.

En resumen, el artículo cierra la brecha entre la práctica empírica común (usar distancias en RD multidimensionales) y la teoría econométrica, revelando limitaciones fundamentales y proporcionando soluciones robustas para la inferencia causal en diseños de frontera.