Two-stage Estimation of Latent Variable Regression Models: A General, Root-N Consistent Solution

Resumen Técnico: Estimación de dos etapas de modelos de regresión de variables latentes

Planteamiento del problema
Los modelos de variables latentes (LV) son estándares en la investigación psicológica para la operacionalización de constructos no observables. Si bien la estimación de máxima verosimilitud (ML) de una sola etapa es el "estándar de oro", a menudo enfrenta limitaciones prácticas, incluyendo inestabilidad numérica (por ejemplo, falta de convergencia, casos de Heywood), intratabilidad computacional debido a integrales complejas en modelos multidimensionales, restricciones de software y problemas de disponibilidad de datos (por ejemplo, cuando solo se dispone de puntuaciones compuestas). En consecuencia, los investigadores recurren frecuentemente a la regresión de puntuaciones factoriales (FSR) de dos etapas. En la FSR, primero se ajusta un modelo de medición para predecir las puntuaciones factoriales, que luego se tratan como variables observadas en una segunda etapa de regresión estructural. Sin embargo, la aplicación ingenua de la FSR produce estimaciones sesgadas de los parámetros estructurales debido al error de medición y a la discrepancia entre la estructura de covarianza de las puntuaciones factoriales y las verdaderas variables latentes. Los métodos de corrección de sesgo existentes suelen estar limitados a clases específicas de modelos (por ejemplo, SEM lineales) o requieren tipos específicos de puntuaciones factoriales, careciendo de una solución general y computacionalmente eficiente para modelos de LV más amplios.

Metodología
Los autores proponen un marco general de corrección de sesgo aplicable a modelos estadísticos paramétricos con múltiples parámetros focales y de molestia (nuisance parameters). El método está diseñado específicamente para la FSR, pero está concebido como una solución de "caja negra" que requiere una derivación analítica mínima.

1. Marco Estadístico: El vector de parámetros $\theta$ se particiona en parámetros de molestia ($\nu$, por ejemplo, parámetros de medición) y parámetros focales ($\phi$, por ejemplo, coeficientes de regresión estructural). El procedimiento de dos etapas estima primero $\hat{\nu}$, y luego estima $\hat{\phi}$ condicionado a $\hat{\nu}$.
2. Estrategia de Corrección de Sesgo: Basándose en Leung y Wang (1998), los autores definen una función $h(\phi; \nu) = E[\hat{\phi}(Y; \nu)]$, que representa el valor esperado del estimador inicial (sesgado). El estimador corregido por sesgo $\hat{\phi}_{BC}$ se obtiene invirtiendo esta relación: $\hat{\phi}_{BC} = h^{-1}(\hat{\phi})$.
3. Fundamento Teórico: El artículo establece la $\sqrt{n}$-consistencia del estimador corregido por sesgo bajo condiciones de regularidad leves. Una proposición clave demuestra que si los estimadores iniciales son conjuntamente $\sqrt{n}$-consistentes, el estimador del parámetro focal corregido por sesgo también es $\sqrt{n}$-consistente para el verdadero $\phi^*$, con una matriz de covarianza asintótica (ACM) derivada.
4. Algoritmos Computacionales: Para evitar derivaciones analíticas complejas de $h(\phi; \nu)$ y sus derivadas, los autores introducen dos algoritmos estocásticos:
   • Estimación de Punto (Algoritmo 1): Un algoritmo de aproximación estocástica (SA) de Robbins-Monro. Este actualiza iterativamente los parámetros focales mediante la simulación de datos a partir del modelo utilizando los estimaciones actuales de los parámetros y comparando el estimador inicial resultante con el estimador inicial de los datos observados.
   • Estimación de Varianza (Algoritmo 2): Un procedimiento basado en Monte Carlo utilizando perturbación simultánea (SP) para aproximar numéricamente las matrices Jacobianas requeridas para la ACM. Esto permite el cálculo de errores estándar (SE) válidos que tienen en cuenta la incertidumbre transferida desde la primera etapa.

Contribuciones Clave

• Generalizabilidad: A diferencia de las soluciones anteriores restringidas a SEM lineales o tipos específicos de puntuaciones factoriales (por ejemplo, puntuaciones de Bartlett o de regresión), el método propuesto se aplica a una amplia clase de modelos de LV, incluyendo aquellos con relaciones estructurales no lineales y variables manifiestas no normales (por ejemplo, modelos de Teoría de Respuesta al Ítem).
• Eficiencia Computacional: El método depende de la aproximación estocástica y la simulación de Monte Carlo en lugar de soluciones analíticas de forma cerrada, lo que lo hace adaptable a modelos complejos donde la ML de una sola etapa es computacionalmente prohibitiva.
• Robustez ante la Elección de la Puntuación Factorial: El marco no requiere que el usuario seleccione tipos específicos de puntuaciones factoriales (por ejemplo, de regresión vs. Bartlett) para lograr la consistencia; la corrección de sesgo funciona independientemente del método de puntuación inicial utilizado.
• Rigor Teórico: El artículo proporciona una prueba formal de $\sqrt{n}$-consistencia y un método para derivar errores estándar de gran muestra válidos para los estimadores corregidos.

Resultados
Se realizaron tres estudios de simulación para evaluar la FSR corregida por sesgo (BC-FSR) propuesta frente a la FSR ingenua y la ML de una sola etapa (y DWLS en el Estudio 3):

1. Estudio 1 (Regresión Latente Simple): En modelos con variables manifiestas continuas, la FSR ingenua exhibió un sesgo de atenuación significativo (hasta un 19% en las pendientes) y sesgo de varianza. La BC-FSR redujo el sesgo relativo a casi cero (<5%) en todas las condiciones y tipos de puntuaciones factoriales (media, Bartlett, regresión), desempeñándose de manera comparable a la ML de una sola etapa tanto en precisión como en eficiencia.
2. Estudio 2 (Moderación Latente): En un modelo de interacción bilineal con resultados no normales, la FSR ingenua mostró un sesgo sustancial (hasta un 33% para los efectos de interacción). La BC-FSR recuperó con éxito los parámetros con un sesgo insignificante, igualando el desempeño de la ML de una sola etapa (calculada mediante integración numérica en Mplus).
3. Estudio 3 (IRT Multidimensional): En un modelo complejo con ítems dicotómicos y múltiples predictores, la FSR ingenua mostró un sesgo que oscilaba entre el 8% y el 33% dependiendo del parámetro. La BC-FSR eliminó este sesgo, desempeñándose al nivel de la ML de una sola etapa (vía algoritmo MH-RM) y de mínimos cuadrados ponderados diagonalmente (DWLS).
   En todos los estudios, las estimaciones de SE mediante Monte Carlo (Algoritmo 2) fueron precisas, con un sesgo relativo en los SE generalmente inferior al 10%.

Significancia y Reivindicaciones
Los autores afirman que su enfoque transforma la estrategia intuitiva de "medir-luego-estructurar" (FSR) de un heurístico propenso al sesgo en un método de estimación estadísticamente válido y $\sqrt{n}$-consistente. La significancia del trabajo radica en:

• Utilidad Práctica: Ofrece una alternativa directa a la ML de una sola etapa para investigadores que enfrentan restricciones computacionales o de datos, sin sacrificar la precisión asintótica.
• Cambio Metodológico: Desafía la visión convencional de que la FSR ingenua es inherentemente defectuosa e irrecuperable, demostrando que el sesgo puede eliminarse sistemáticamente mediante la aproximación estocástica.
• Accesibilidad: Al minimizar la dependencia de derivaciones analíticas, el método reduce la barrera para aplicar una estimación de dos etapas rigurosa a modelos de LV complejos y personalizados que exceden las capacidades de los paquetes de software estándar.

El artículo concluye que la FSR propuesta, corregida por sesgo, goza de la conveniencia de implementación de los métodos de dos etapas, mientras alcanza el rigor teórico y la eficiencia de los métodos de una sola etapa, potenciando potencialmente la capacidad de los investigadores para examinar una gama más amplia de relaciones complejas entre constructos latentes.