Bandwidth Selection for Spatial HAC Standard Errors

Resumen Técnico: Selección de Ancho de Banda para Errores Estándar HAC Espaciales

1. El Problema: Inferencia Espacial y la Selección de Ancho de Banda

En la econometría aplicada, la autocorrelación espacial en los modelos de regresión viola la suposición de independencia de los errores, lo que conduce a errores estándar sesgados hacia abajo y, consecuentemente, a inferencias incorrectas (sobre-rechazo de hipótesis nulas verdaderas).

La corrección más común es el estimador de errores estándar HAC (Heterocedasticidad y Autocorrelación Consistentes) Espacial, introducido por Conley (1999). Este método utiliza un promedio ponderado por un núcleo (kernel) de los productos cruzados de los residuos, donde el peso disminuye según la distancia entre observaciones.

El desafío central: La implementación de este estimador requiere elegir un ancho de banda ($\zeta$), que define la distancia máxima dentro de la cual se asume que los residuos están correlacionados.

• En series de tiempo, existen reglas y métodos automatizados bien establecidos para esta selección.
• En el contexto espacial, no existe una guía formal. Los investigadores suelen depender de elecciones ad hoc basadas en intuición o conocimiento del dominio, lo que genera "grados de libertad del investigador".
• Sabiduría convencional errónea: Existe la creencia generalizada de que elegir un ancho de banda más amplio garantiza una inferencia más conservadora (errores estándar más grandes).

2. Metodología Propuesta: El Método del Rango del Covariograma

El autor propone un selector de ancho de banda no paramétrico y basado en los datos, fundamentado en el covariograma empírico de los residuos de la regresión.

• Concepto Clave: El covariograma estima la covarianza entre residuos en función de la distancia ($h$). En presencia de autocorrelación espacial positiva, el covariograma es positivo a distancias cortas y decae hacia cero a medida que la distancia aumenta.
• El Estimador: El ancho de banda óptimo ($\hat{\zeta}$) se define como la distancia a la cual el covariograma empírico cruza cero por primera vez (el "rango" de la dependencia espacial).
  $$\hat{\zeta} = \min\{h_b : |\hat{C}(h_b)| \leq \eta \}$$
  Donde $\eta$ es una pequeña tolerancia para el ruido de muestreo.
• Justificación Teórica: Bajo condiciones de estacionariedad, mezcla espacial y muestreo en dominio creciente, este estimador es consistente para el verdadero rango de correlación. Al igualar el ancho de banda con el rango real de dependencia, se evita tanto el sub-suavizado (banda muy estrecha) como el sobre-suavizado (banda muy ancha).
• Implementación: El método es computacionalmente eficiente y está implementado en el paquete de R SpatialInference.

3. Contribuciones Clave

1. Descubrimiento de la Relación en "U Invertida":
   El autor documenta una regularidad empírica crucial: la relación entre el ancho de banda y la magnitud de los errores estándar HAC espaciales es en forma de U invertida.

   • Banda estrecha: Subestima la varianza (ignora correlación real).
   • Banda óptima: Alcanza el máximo de los errores estándar (captura la correlación completa).
   • Banda muy ancha: Vuelve a subestimar la varianza. Al incluir pares de observaciones que no están correlacionados (ruido), sus productos cruzados promedian a cero, diluyendo la contribución positiva de los pares realmente correlacionados.
   • Implicación: Contradice la sabiduría convencional de que "más ancho es más conservador". Un ancho de banda excesivamente grande puede producir errores estándar incluso más pequeños que los estimadores HC1 (solo heterocedásticos), llevando a una sobre-rechazo severo.

2. Propuesta de un Selector de Datos:
   Introduce un método simple que identifica el rango de correlación directamente de los residuos, eliminando la necesidad de suposiciones paramétricas o elecciones subjetivas.

3. Comparación de Funciones de Núcleo (Kernel):
   Evalúa sistemáticamente seis funciones de núcleo (Uniforme, Bartlett, Epanechnikov, Parzen, Biweight Cuártico y Gaussiano) en el dominio espacial.

4. Resultados de las Simulaciones de Monte Carlo

El autor realiza experimentos extensos calibrados a estructuras de correlación espacial relevantes para los Estados Unidos (usando datos de condados y rejillas regulares).

• Control de la Tasa de Falsos Positivos:
  • El método propuesto (rango del covariograma) mantiene la tasa de rechazo en o cerca del nivel nominal del 5% a través de una amplia gama de intensidades de autocorrelación y configuraciones de muestra.
  • En contraste, los errores estándar HC1 y los métodos de ancho de banda fijo (tanto estrechos como muy amplios) muestran tasas de rechazo excesivas (hasta >70% en escenarios de alta correlación).
• Rendimiento de los Núcleos:
  • Los núcleos Bartlett y Epanechnikov ofrecen el mejor control de tamaño (tasa de error más cercana al 5%).
  • El núcleo Uniforme funciona bien en niveles moderados pero tiende a sobre-rechazar en niveles altos.
  • Los núcleos Gaussiano, Parzen y Biweight muestran un rendimiento más variable.
• Robustez: El método funciona bien tanto en muestras con espaciado irregular (centros de condados) como en rejillas regulares.

5. Aplicación Empírica

El autor ilustra el método con un modelo de regresión utilizando datos a nivel de condado de EE. UU., donde la variable dependiente es la proporción de población negra y la independiente es la proporción de población hispana.

• Hallazgo: El rango estimado del covariograma fue de aproximadamente 980 km.
• Comparación:
  • Usando un ancho de banda de 980 km (el seleccionado), el error estándar fue el más grande y el estadístico $t$ fue el más bajo (no significativo).
  • Usando un ancho de banda "conservador" de 2,500 km, el error estándar disminuyó artificialmente, haciendo que el resultado pareciera significativo (sobre-rechazo).
  • Esto demuestra empíricamente el peligro de usar bandas demasiado amplias.

6. Significado e Impacto

Este artículo resuelve un problema fundamental en la econometría espacial aplicada:

1. Corrige un mito: Demuestra que aumentar arbitrariamente el ancho de banda no mejora la inferencia; de hecho, puede empeorarla drásticamente.
2. Herramienta práctica: Proporciona una solución "lista para usar" que no requiere supuestos paramétricos complejos, haciendo que la inferencia HAC espacial sea más robusta y reproducible.
3. Recomendación Práctica: Los investigadores deben utilizar el rango del covariograma como ancho de banda y preferir los núcleos Bartlett o Epanechnikov para obtener inferencias válidas.

En resumen, el trabajo de Lehner establece que la selección del ancho de banda debe basarse en la escala real de dependencia espacial de los datos (el rango de correlación) y no en reglas heurísticas de "mayor es mejor", proporcionando un método riguroso para controlar la tasa de error en la investigación espacial.