Refined Inference for Asymptotically Linear Estimators with Non-Negligible Second-Order Remainders

A continuación presento un resumen técnico detallado del artículo "Refined Inference for Asymptotically Linear Estimators with Non-Negligible Second-Order Remainders" (Inferencia refinada para estimadores asintóticamente lineales con residuos de segundo orden no despreciables), escrito por Lin Li (marzo de 2026).

---

1. El Problema: El Régimen de "Cerca del Límite" (Near-Boundary Regime)

El artículo aborda una falla crítica en la inferencia estadística para estimadores asintóticamente lineales (ALE) en modelos semiparamétricos, como los estimadores de pérdida mínima dirigida (TMLE), los ponderados por probabilidad inversa aumentados (AIPW) y los estimadores de aprendizaje máquina debiados (DML).

• La Premisa Estándar: La teoría asintótica estándar asume que un estimador $\hat{\Psi}$ puede expandirse mediante una expansión de von Mises donde un término de segundo orden (el residuo $R_{rem}$) es despreciable ($o_P(n^{-1/2})$). Bajo esta suposición, la varianza de muestreo total se estima consistentemente mediante la varianza de la función de influencia eficiente (EIF), típicamente usando un estimador "sandwich".
• La Falla en Muestras Finitas: El autor identifica que, en muestras finitas, la condición para la consistencia de la estimación puntual ($R_{rem} = o_P(n^{-1/2})$) es más débil que la condición necesaria para que el intervalo de confianza sea válido.
  • Para la consistencia puntual, se requiere que el residuo tienda a cero en probabilidad.
  • Para la validez del intervalo de confianza (cobertura correcta), se requiere que la varianza del residuo sea despreciable ($n \cdot \text{Var}(R_{rem}) \to 0$).
• El Régimen de Cerca del Límite: Cuando los estimadores de las variables de confusión (nuisance) convergen a una tasa exactamente en el umbral del producto (típicamente $O_P(n^{-1/4})$), el término de segundo orden contribuye una varianza del mismo orden que la varianza de la función de influencia ($O(n^{-1})$).
  • En este régimen, el estimador sandwich subestima sistemáticamente la varianza total.
  • Esto resulta en intervalos de confianza con cobertura inferior a la nominal (undercoverage), a menudo entre 4 y 12 puntos porcentuales por debajo del nivel deseado, incluso cuando el estimador puntual es insesgado.
  • Este fenómeno es común en ensayos aleatorizados por conglomerados en cuña escalonada (SW-CRT) y en estimadores con aprendizaje automático no paramétrico.

2. Metodología y Marco Teórico

El paper desarrolla una teoría general para caracterizar y corregir este problema sin depender de la estructura específica del estimador, sino basándose en la descomposición de la varianza.

A. Descomposición de la Varianza en Muestra Finita

El autor demuestra que la varianza total del estimador se descompone en:
$$\text{Var}(\hat{\Psi} - \Psi(P_0)) = \frac{\sigma^2_{EIF}}{n} + \text{Var}(R_{rem}) + 2\text{Cov}(\bar{D}_n, R_{rem}) + o(n^{-1})$$
Donde:

• $\frac{\sigma^2_{EIF}}{n}$ es la varianza de primer orden (estimada por el sandwich).
• $\text{Var}(R_{rem})$ es la varianza inducida por el residuo de segundo orden.
• En el régimen de "cerca del límite", $\text{Var}(R_{rem}) = O(n^{-1})$, lo que hace que el término sandwich sea incompleto.

B. Teorema de Consistencia del Sandwich

Se establece una condición necesaria y suficiente para que el estimador sandwich sea consistente para la varianza total: la descomposición fuerte del residuo ($n \cdot \text{Var}(R_{rem}) \to 0$).

• Se prueba que la condición estándar de tasa de producto ($o_P(n^{-1/2})$) no es suficiente para garantizar esta consistencia de varianza.
• Se introduce el diagnóstico $\hat{\rho} = \widehat{\text{Var}}_{JK} / \widehat{\text{Var}}_{Sand}$ (ratio de varianzas). Si $\hat{\rho}$ es constante y mayor que 1 a medida que aumenta el tamaño de la muestra, el estimador opera en el régimen de cerca del límite.

C. Tres Estimadores de Varianza Refinados

Para corregir el sesgo de subestimación, el paper propone tres métodos que capturan la varianza total (incluyendo el residuo):

1. Jackknife de "Dejar una unidad fuera" (Leave-One-Unit-Out Jackknife):

   • Calcula el estimador omitiendo una observación a la vez.
   • Ventaja teórica: Captura la sensibilidad total del estimador, incluyendo las contribuciones no lineales del residuo.
   • Resultado: Bajo condiciones de estabilidad del estimador de nuisance, el jackknife es consistente para la varianza total incluso en el régimen de cerca del límite.
   • Validación: Se demuestra que el pivote studentizado del jackknife converge a una distribución Normal estándar.

2. Bootstrap de Conglomerados por Pares (Pairs Cluster Bootstrap):

   • Muestreo con reemplazo de conglomerados completos.
   • Ventaja: No requiere condiciones de estabilidad "leave-one-out" (que pueden fallar en algoritmos no lineales complejos) y permite intervalos BCa (bias-corrected and accelerated) para corregir asimetrías de segundo orden.
   • Consistencia: Bajo condiciones de Mallows-2, el bootstrap estima consistentemente la distribución completa y la varianza total.

3. Corrección Sandwich Heterocedástica (HC-Corrected Sandwich):

   • Propone un factor de inflación multiplicativo: $\widehat{\text{Var}}_{HC} = \hat{\rho} \cdot \widehat{\text{Var}}_{Sand}$.
   • Equivalencia Numérica: Se demuestra que este intervalo es numéricamente idéntico al intervalo de Wald del jackknife, pero ofrece una interpretación conceptual de "inflación" del error estándar estándar.

D. Extensión a Datos Agrupados (Clustered Data)

El paper extiende la teoría a datos con correlación intra-conglomerado (ICC).

• Se demuestra que la correlación intra-conglomerado ($\rho_{ICC}$) y el tamaño del conglomerado ($m$) amplifican la brecha de varianza.
• La brecha de varianza crece proporcionalmente a $\rho_{ICC} \cdot m$, explicando por qué el problema es particularmente agudo en ensayos aleatorizados por conglomerados (SW-CRT).

3. Resultados Clave (Simulaciones)

El autor valida la teoría mediante dos estudios de simulación:

1. Aplicación Principal: SA-TMLE en Ensayos SW-CRT:

   • Configuración: Estimador SA-TMLE para efectos de tratamiento con censura administrativa.
   • Hallazgos:
     • El intervalo sandwich muestra una cobertura de 0.87 a 0.91 (en lugar de 0.95) a través de diferentes tamaños de conglomerados ($J=10$ a $100$).
     • El ratio de varianzas $\hat{\rho}$ se mantiene constante entre 1.14 y 1.38, confirmando el régimen de cerca del límite.
     • Tanto el Jackknife como el Bootstrap restauran la cobertura al nivel nominal (0.94–0.96).
     • El bootstrap de pares mostró inestabilidad en conglomerados muy pequeños ($J=30$), recomendándose el Jackknife para estos casos.

2. Simulación Secundaria: AIPW con Nuisance Paramétrico:

   • Configuración: Estimador AIPW con modelos de nuisance correctamente especificados (convergencia paramétrica rápida).
   • Hallazgos:
     • El ratio $\hat{\rho}$ disminuye monótonamente hacia 1.0 a medida que $n$ crece (de 1.04 a 1.003).
     • El intervalo sandwich mantiene la cobertura nominal, confirmando que el problema solo ocurre en el régimen de cerca del límite (cuando la tasa de convergencia es lenta).

4. Contribuciones Principales

1. Teoría de Descomposición de Varianza: Proporciona una descomposición explícita de la varianza en muestras finitas que separa la varianza de la función de influencia de la varianza del residuo, demostrando que son condiciones distintas para la inferencia válida.
2. Caracterización "Si y Solo Si": Establece que la consistencia del estimador sandwich es estrictamente equivalente a la descomposición fuerte del residuo, la cual es más estricta que la linealidad asintótica estándar.
3. Métodos de Inferencia Refinada: Desarrolla y valida teóricamente el Jackknife y el Bootstrap para este régimen, demostrando que capturan la varianza total y garantizan cobertura asintótica.
4. Diagnóstico Práctico: Introduce el ratio $\hat{\rho}$ como una herramienta observable para detectar si un estimador está operando en el régimen de cerca del límite sin necesidad de conocer la estructura del residuo.
5. Amplificación por ICC: Explica analíticamente por qué los datos agrupados exacerban el problema de subestimación de la varianza.

5. Significado e Impacto

Este trabajo es fundamental para la práctica moderna de la inferencia semiparamétrica y el aprendizaje causal:

• Corrección de un Error Sistemático: Revela que la subcobertura en intervalos de confianza de estimadores robustos (como TMLE y DML) no es un artefacto de implementación, sino una consecuencia estructural de operar en el límite de las tasas de convergencia de los estimadores de nuisance.
• Guía Práctica: Ofrece un protocolo claro: calcular el ratio $\hat{\rho}$. Si es significativamente mayor que 1 (ej. >1.15), el investigador debe abandonar el sandwich estándar y utilizar Jackknife o Bootstrap.
• Aplicabilidad en Ensayos Clínicos: Dado que los ensayos aleatorizados por conglomerados (especialmente en salud pública) suelen tener un número limitado de conglomerados y utilizan métodos de aprendizaje automático para ajustar variables de confusión, este paper proporciona la herramienta teórica y práctica necesaria para obtener inferencias válidas en estos escenarios críticos.
• Clarificación de Cross-Fitting: Aclara que el cross-fitting elimina el sesgo de primer orden pero no elimina la varianza inducida por el residuo de segundo orden, por lo que la inferencia refinada sigue siendo necesaria incluso con cross-fitting.

En resumen, el artículo demuestra que la "linealidad asintótica" no es suficiente para la inferencia en muestras finitas cuando los residuos de segundo orden tienen varianza no despreciable, y proporciona métodos robustos para corregir este sesgo de varianza.