Resumen Técnico: Equivalencia entre Ortogonalidad de Neyman y Diferenciabilidad por Trayectorias

1. Planteamiento del Problema

En la inferencia causal moderna y el aprendizaje estadístico, existen dos marcos teóricos fundamentales que a menudo producen los mismos estimadores sesgados (debiased) en la práctica, pero que se han desarrollado en tradiciones separadas:

1. Ortogonalidad de Neyman: Concepto central del marco de Double/Debiased Machine Learning (DML) de Chernozhukov et al. [2018]. Una función de estimación $m(Z; \beta, \eta)$ es ortogonal si su derivada de Gâteaux con respecto al parámetro de incómodo (nuisance) $\eta$, evaluada en los valores verdaderos, se anula. Esto asegura que los errores en la estimación de $\eta$ afectan al estimador de $\beta$ solo en segundo orden.
2. Diferenciabilidad por Trayectorias (Pathwise Differentiability): Concepto piedra angular de la teoría semiparamétrica clásica (van der Laan & Robins [2003], Bickel et al. [1998]). Un funcional $\beta$ es diferenciable si su derivada a lo largo de submodelos regulares (perturbaciones suaves de la distribución de los datos) puede expresarse como un producto interno con una función de influencia (influence function).

El problema: Aunque en la práctica estas dos nociones conducen a las mismas funciones de estimación (por ejemplo, el estimador IPW aumentado para el efecto medio del tratamiento), la naturaleza precisa de su equivalencia ha permanecido elusiva. No estaba claro bajo qué condiciones exactas son equivalentes y qué supuestos estructurales requiere cada implicación.

2. Metodología y Marco Teórico

Los autores, Chen, Kennedy y Balakrishnan, revisan el marco semiparamétrico de van der Laan y Robins para establecer una equivalencia formal. Su metodología se basa en:

• Espacio de Tangentes y Puntuaciones (Scores): Utilizan la definición de submodelos regulares (diferenciables en media cuadrática, QMD) y sus puntuaciones (scores) para caracterizar las perturbaciones locales de la distribución de datos.
• Estructura de Producto Local (Local Product Structure): Identifican que la conexión entre ambos conceptos requiere un supuesto de regularidad implícito pero no formalizado anteriormente. Este supuesto garantiza que es posible construir submodelos que perturban el parámetro de interés $\beta$ manteniendo fijo el parámetro de incómodo $\eta$, y viceversa.
• Cálculo de Derivadas: Emplean reglas de la cadena en espacios $L^2$ y diferenciación de esperanzas a lo largo de submodelos para relacionar las derivadas de las funciones de estimación con las funciones de influencia.

3. Contribuciones Clave

A. Identificación de la "Estructura de Producto Local" (Supuesto 1)

La contribución teórica más significativa es la formalización de la Estructura de Producto Local.

• La independencia de variación local clásica es un concepto puramente teórico de conjuntos (el conjunto de parámetros alcanzables contiene un vecindario producto).
• Los autores demuestran que esto no es suficiente para la diferenciabilidad. Se requiere que existan submodelos regulares que permitan mover las coordenadas $(\beta, \eta)$ independientemente.
• Este supuesto es crucial para la dirección inversa de la equivalencia (de diferenciabilidad a ortogonalidad).

B. Establecimiento de la Equivalencia Bidireccional

El paper demuestra dos teoremas principales que cierran la brecha entre las dos tradiciones:

1. Teorema 1 (Ortogonalidad $\implies$ Diferenciabilidad):

   • Si una función de estimación $m$ es ortogonal de Neyman y tiene una Jacobiana no degenerada respecto a $\beta$, entonces induce una función de influencia.
   • Resultado: El funcional $\beta$ es diferenciable por trayectorias con función de influencia $\phi = -G^{-1}m(Z; \beta_0, \eta_0)$.
   • Requisitos: No requiere independencia de variación ni estructura de producto. Solo necesita suavidad de las trayectorias inducidas y Lipschitz de Hellinger para el funcional.

2. Teorema 2 (Diferenciabilidad $\implies$ Ortogonalidad):

   • Si una función de estimación correctamente especificada evalúa a una función de influencia en la verdad, entonces debe ser ortogonal de Neyman.
   • Resultado: La sensibilidad respecto a $\eta$ se anula (ortogonalidad) y la sensibilidad respecto a $\beta$ es exactamente $-1$.
   • Requisitos: Requiere estrictamente la Estructura de Producto Local (Supuesto 1) para construir submodelos que perturban $\beta$ y $\eta$ de forma independiente. Sin esto, la implicación inversa no se sostiene (ejemplo: si $\beta$ es una función determinista de $\eta$, no se puede perturbar $\eta$ manteniendo $\beta$ fijo).

4. Resultados Principales

• Equivalencia Formal: Bajo condiciones de regularidad estándar y la Estructura de Producto Local, un estimador es ortogonal de Neyman si y solo si su función de estimación en la verdad es una función de influencia (y viceversa).
• Normalización -1: Se demuestra que si $m$ es una función de influencia, la derivada parcial de la esperanza de $m$ respecto a $\beta$ en la verdad es exactamente $-1$. Esto explica por qué muchas funciones de influencia en la práctica tienen la forma "término dependiente de datos menos $\beta_0$".
• Condiciones de Regularidad: Se detallan las condiciones necesarias para que las derivadas existan y sean intercambiables, incluyendo la diferenciabilidad de Fréchet de la función de estimación y la suavidad de las trayectorias de coordenadas.
• Ejemplo Empírico (Efecto Medio del Tratamiento - ATE): Los autores validan sus teoremas construyendo explícitamente los submodelos de coordenadas para el ATE en un modelo no paramétrico, demostrando cómo se satisfacen los supuestos de estructura de producto y verificando la ortogonalidad y diferenciabilidad.

5. Significado e Impacto

• Unificación de Tradiciones: El trabajo proporciona un puente riguroso entre la teoría semiparamétrica clásica (enfocada en funciones de influencia y eficiencia) y el aprendizaje automático moderno (enfocado en la robustez de DML y la ortogonalidad de Neyman).
• Guía para Practicantes: Clarifica cuándo y por qué los métodos de aprendizaje automático que buscan ortogonalidad de Neyman producen estimadores eficientes. También advierte sobre situaciones donde la estructura de producto falla (ej. parámetros que no son variación independiente), indicando cuándo la equivalencia podría romperse.
• Fundamento Teórico para DML: Refuerza la base teórica del DML, mostrando que la propiedad de "insensibilidad al ruido" (ortogonalidad) es esencialmente la misma propiedad geométrica que garantiza la eficiencia asintótica en la teoría clásica.
• Herramientas para Nuevos Desarrollos: Proporciona un marco para verificar la validez de nuevos estimadores en problemas semiparamétricos complejos, ofreciendo criterios claros sobre la necesidad de construir submodelos de coordenadas específicos.

En resumen, este paper demuestra que la ortogonalidad de Neyman y la diferenciabilidad por trayectorias son dos caras de la misma moneda, siempre que el modelo estadístico permita una perturbación local independiente de los parámetros de interés y de incómodo, una condición que formalizan como "Estructura de Producto Local".