Resumen Técnico: Pronóstico Contrafáctico para Datos de Panel

Planteamiento del Problema

El artículo aborda el desafío de pronosticar resultados contrafácticos en entornos de datos de panel caracterizados por entradas faltantes y factores latentes con dependencia temporal. Este escenario es prevalente en la inferencia causal, particularmente cuando la toma de decisiones prospectiva requiere estimar resultados potenciales no observados (por ejemplo, qué sucedería con una unidad bajo un tratamiento aún no asignado) de manera anticipada.

Los métodos existentes para la inferencia causal, como los Controles Sintéticos, Diferencias en Diferencias y la Completación de Matrices, suelen apoyarse en supuestos de bajo rango para modelar la variación compartida entre unidades y tiempo. Sin embargo, estos enfoques a menudo tratan los factores latentes como estáticos o i.i.d., fallando al no explotar las dinámicas temporales (por ejemplo, estructuras autorregresivas) inherentes a muchos procesos del mundo real. Además, muchos métodos de pronóstico existentes asumen una ausencia de datos limitada o requieren paneles pre-tratamiento totalmente observados, lo que los hace inadecuados para la estimación contrafáctica donde gran parte de la matriz de datos no se observa por diseño.

Metodología: FOCUS

Los autores proponen FOCUS (FOrecasting Counterfactuals Under Stochastic dynamics), un método diseñado para extender la completación de matrices tradicional mediante la incorporación de dinámicas de series temporales en los factores latentes.

Algoritmo Central

FOCUS opera en dos pasos principales:

1. Estimación de Factores: El método restringe el panel observado bajo una condición específica de tratamiento (o control), tratando las entradas no observadas como faltantes. Emplea un algoritmo de Análisis de Componentes Principales (PCA) (específicamente el estimador consistente de Xiong & Pelger, 203) para estimar los factores latentes ($\hat{F}_t$) y las cargas ($\hat{\Lambda}_i$) a partir de los datos parcialmente observados. Este paso acomoda patrones de observación generales, incluyendo la ausencia de datos completamente al azar (MCAR) y diseños de adopción escalonada.
2. Pronóstico Dinámico: Una vez estimados los factores, FOCUS ajusta un modelo de series temporales (específicamente un modelo de Vectores Autorregresivos de orden 1, VAR(1)) a los factores estimados $\{\hat{F}_t\}$. La matriz de coeficientes $\hat{A}$ se estima mediante Mínimos Cuadrados Ordinarios (OLS). El pronóstico para el resultado potencial medio en el horizonte $h$ para la unidad $i$ se construye entonces como un estimador de inserción (plug-in):
   $$\hat{\theta}_{i, T:T+h} = \hat{\Lambda}_i^\top \hat{A}^h \hat{F}_T$$
   Este enfoque combina efectivamente las técnicas de suavizado/filtrado de series temporales con la completación de matrices.

Marco Teórico

El artículo establece garantías teóricas bajo condiciones de regularidad estándar:

• Modelo de Factores: Los factores latentes siguen un proceso VAR(1) estacionario ($F_t = A F_{t-1} + \eta_t$) con $\rho(A) < 1$.
• Ruido y Cargas: Se asume que el ruido idiosincrásico y las cargas de los factores son independientes y poseen momentos acotados.
• Mecanismo de Observación: La matriz de observación $W$ es independiente de los factores y del ruido, con condiciones que aseguran una superposición suficiente (por ejemplo, $|Q_{s,t}| \geq Nq$).

Resultados Teóricos Clave:

• Límites de Error: Los autores derivan un límite de error para el estimador de pronóstico $\hat{\theta}_{i, T:T+h}$, mostrando que converge a una tasa de $O_P(\delta_{NT}^{-1})$ más un término dependiente del horizonte de pronóstico $h$ y el radio espectral de $A$.
• Normalidad Asintótica: Bajo condiciones de regularidad adicionales sobre el patrón de observación, se demuestra que el estimador es $\min\{\sqrt{N}, \sqrt{T}\}$-consistente y asintóticamente normal.
• Intervalos de Confianza: El artículo proporciona un marco para construir intervalos de confianza asintóticamente válidos para los pronósticos contrafácticos mediante la estimación de la varianza asintótica, la cual comprende componentes de la incertidumbre de la estimación de factores y la incertidumbre del pronóstico.

Principales Contribuciones

1. Primer Pronóstico Fuera de la Muestra Entrada por Entrada: Según el conocimiento de los autores, FOCUS es el primer trabajo que aborda el pronóstico entrada por entrada de contrafácticos fuera de la muestra en presencia de datos faltantes y dinámicas de factores estocásticos.
2. Integración de Dinámicas y Datos Faltantes: A diferencia de los métodos previos de completación de matrices que ignoran las dinámicas temporales o los modelos de factores dinámicos que asumen una ausencia de datos limitada, FOCUS maneja explícitamente una amplia gama de patrones de observación mientras aprovecha las dependencias temporales estocásticas (por ejemplo, componentes autorregresivos).
3. Extensión Teórica: El trabajo extiende los resultados teóricos de Xiong & Pelger (2023) de factores latentes i.i.d. a factores con dependencia temporal, verificando que los procesos de factores dependientes satisfacen los supuestos generales del Teorema del Límite Central (CLT).
4. Escalabilidad: El algoritmo es computacionalmente eficiente, con un tiempo de ejecución que escala favorablemente a medida que la dimensión temporal $T$ aumenta, lo que lo hace adecuado para entornos de $T$ grande.

Resultados Empíricos

Los autores evalúan FOCUS contra dos referentes: mSSA (Análisis de Espectro Singular Multivariante) y SyNBEATS (un método de control sintético basado en redes neuronales).

• Estudios de Simulación: A través de cuatro procesos generadores de datos (DGP) que involucran procesos AR(1), ARMA y VARMA con diversos patrones de observación (MCAR, adopción simultánea), FOCUS logra consistentemente un Error Cuadrático Medio de Pronóstico (MSFE) menor que ambos referentes. Notablemente, FOCUS demuestra tasas de decaimiento de error más rápidas a medida que $T$ aumenta. También supera a los referentes bajo la especificación errónea del modelo (por ejemplo, cuando los factores reales siguen procesos ARMA pero el modelo asume VAR(1)).
• Eficiencia Computacional: FOCUS se ejecuta más rápido que mSSA y sustancialmente más rápido que SyNBEATS.
• Aplicación en el Mundo Real (HeartSteps): El método se aplica al estudio de salud móvil HeartSteps V1, que involucra a 37 usuarios recibiendo avisos para caminar. El estudio destaca que el conteo de pasos exhibe correlaciones negativas entre turnos de decisión consecutivos. Al capturar estos patrones temporales en los factores latentes, FOCUS proporciona pronósticos más precisos de los pasos futuros bajo intervención en comparación con mSSA, con una brecha de rendimiento que se amplía a medida que el horizonte de entrenamiento $T$ aumenta.

Significado y Reivindicaciones

El artículo afirma que FOCUS proporciona un marco escalable y teóricamente fundamentado para la evaluación contrafáctica prospectiva. Su principal significancia radica en cerrar la brecha entre la inferencia causal (manejo de contrafácticos faltantes) y el pronóstico de series temporales (manejo de dinámicas temporales).

Los autores enfatizan que, mientras muchos métodos existentes se centran en la estimación post-tratamiento o asumen datos pre-tratamiento totalmente observados, FOCUS está equipado de manera única para pronosticar resultados futuros bajo intervenciones hipotéticas cuando los datos son incompletos. El método es particularmente efectivo cuando los factores latentes exhiben dinámicas autorregresivas, una característica común en los datos conductuales y económicos. El artículo concluye señalando limitaciones, como la dependencia de la estacionariedad, y sugiere direcciones futuras que incluyen entornos no estacionarios (por ejemplo, modelos de espacio de estados) y estimadores doblemente robustos.