Inference in Regression Discontinuity Designs with Clustered Data

1. El Problema

Los diseños de Discontinuidad Regresiva (RD) son una herramienta fundamental en economía y ciencias sociales para identificar efectos causales. La teoría estándar asume que las observaciones son independientes e idénticamente distribuidas (i.i.d.). Sin embargo, en la práctica empírica, los datos a menudo provienen de estructuras agrupadas (clusters), como municipios, escuelas o distritos electorales, donde las unidades dentro de un mismo grupo pueden estar correlacionadas.

A pesar de que el uso de errores estándar agrupados (clustered standard errors) es común en la literatura aplicada (aproximadamente el 80% de los estudios recientes), la literatura teórica ha ofrecido poca orientación sobre:

1. Bajo qué condiciones el estimador local lineal de RD sigue siendo asintóticamente normal en presencia de agrupamiento.
2. Cómo realizar inferencia válida cuando los tamaños de los grupos varían o son grandes.
3. La validez de los estimadores de varianza existentes, que pueden ser inconsistentes o excesivamente conservadores en muestras finitas.

2. Metodología y Marco Teórico

Los autores proponen un marco general basado en modelos para diseños de RD agudos (sharp RD) con datos agrupados.

A. Modelo y Estimador

• Estructura de datos: Se observa un total de $n$ unidades divididas en $G$ grupos independientes. Dentro del grupo $g$, hay $n_g$ unidades con correlación arbitraria.
• Estimador: Se utiliza el estimador local lineal de RD, que es un promedio ponderado de las variables de resultado, donde los pesos dependen de la variable de ejecución ($X$), el núcleo (kernel) y la banda (bandwidth).
• Desafío: La interacción entre la ponderación local (que se concentra cerca del umbral) y la dependencia intra-grupo altera el comportamiento asintótico del estimador y su varianza condicional.

B. Condiciones de Alto Nivel y Marcos Asintóticos

Para establecer la normalidad asintótica, los autores derivan condiciones de alto nivel sobre los pesos del estimador (que limitan la dominancia de cualquier grupo individual en la varianza). Para conectar esto con diseños empíricos, proponen cuatro marcos asintóticos que capturan diferentes patrones de agrupamiento:

1. Marco I (Tamaños efectivos pequeños, densidad conjunta acotada): Asume que la distribución conjunta de la variable de ejecución dentro de los grupos tiene una densidad acotada. Permite que el número de unidades por grupo crezca, pero con restricciones en la tasa de crecimiento.
2. Marco II (Tamaños efectivos pequeños, sin restricciones de densidad): Permite distribuciones degeneradas (ej. todas las unidades en un grupo tienen el mismo valor de $X$), pero impone restricciones más estrictas en el crecimiento de los tamaños de los grupos.
3. Marco III (Tamaños efectivos grandes, densidad acotada): Relaja las restricciones de crecimiento de los grupos permitiendo que muchos grupos contribuyan con muchas unidades cerca del umbral, asumiendo una estructura de covarianza específica.
4. Marco IV (Tamaños efectivos grandes, distribución degenerada): Cubre casos donde la variable de ejecución es asignada a nivel de grupo (ej. grupos de fábricas con la misma penalidad), permitiendo una alta correlación dentro del grupo.

C. Estimación de la Varianza (Errores Estándar)

El artículo analiza dos enfoques para estimar la varianza:

1. Errores estándar basados en residuos de regresión agrupados (CRR): Muestran que son consistentes bajo las mismas condiciones que garantizan la normalidad asintótica. Sin embargo, en muestras finitas, pueden ser demasiado conservadores.
2. Problema con el enfoque "Naive" de Vecinos Más Cercanos: Una adaptación directa del método de vecinos más cercanos (NN) para datos i.i.d. falla en datos agrupados porque ignora la estructura de clúster, introduciendo sesgo en la estimación de la covarianza.

3. Contribuciones Clave

1. Teoría Asintótica para RD Agrupada: Proporcionan las primeras condiciones generales bajo las cuales el estimador local lineal de RD es asintóticamente normal con datos agrupados, cubriendo una amplia gama de patrones de dependencia y tamaños de grupos (incluyendo grupos grandes).
2. Nuevo Estimador de Varianza (CNN): Proponen un Estimador de Error Estándar de Vecinos Más Cercanos Agrupados (Clustered Nearest-Neighbors - CNN).
   • Mecanismo: A diferencia del método naive, el CNN selecciona vecinos para cada unidad $i$ en un grupo $g$ que pertenecen a grupos distintos (grupos "companion" disjuntos).
   • Ventaja: Al explotar la independencia entre grupos, este método logra ser consistente y, en simulaciones, muestra un sesgo menor en muestras finitas que el método basado en residuos, especialmente cuando la curvatura de la función de resultado es significativa.
3. Análisis de Tasas de Convergencia: Demuestran que las tasas de convergencia y la elección óptima de la banda (bandwidth) pueden diferir cualitativamente de los casos i.i.d., dependiendo de la estructura de covarianza intra-grupo y el tamaño efectivo de los grupos dentro de la ventana de estimación.

4. Resultados Principales

• Normalidad Asintótica: Bajo condiciones de alto nivel (que controlan la contribución de los grupos a la varianza), el estimador estandarizado converge a una distribución normal estándar.
• Comportamiento de la Varianza: La varianza condicional del estimador depende de la estructura de covarianza $\Sigma_g$. En escenarios con densidad conjunta acotada, la varianza es del orden $O_P((1+\lambda_n)/(nh))$, donde $\lambda_n$ captura el efecto del agrupamiento. Si las variables de ejecución son degeneradas dentro de los grupos, la tasa cambia a $O_P((1+\lambda_n/h)/(nh))$.
• Consistencia del CNN: Se demuestra teóricamente que el estimador de varianza CNN es consistente para la varianza verdadera del estimador RD, incluso sin asumir continuidad en la función de varianza condicional (una ventaja sobre los métodos de vecinos más cercanos tradicionales).
• Aplicaciones Empíricas: Los autores reexaminan cuatro estudios empíricos reales que representan los cuatro marcos asintóticos. Los resultados muestran que:
  • En estudios con grupos pequeños y equilibrados, los métodos estándar funcionan bien.
  • En estudios con grupos grandes o desequilibrados, los errores estándar i.i.d. subestiman drásticamente la incertidumbre.
  • El método CNN produce errores estándar similares al método CRR (residuos), pero con mejor comportamiento en muestras finitas y menor sesgo en ciertos escenarios de simulación.

5. Significado e Impacto

Este trabajo es fundamental para la práctica econométrica moderna por varias razones:

1. Validación de Prácticas Comunes: Proporciona la base teórica que falta para el uso generalizado de errores estándar agrupados en RD, validando su uso bajo condiciones específicas.
2. Solución a un Problema de Inferencia: Introduce el primer estimador de varianza de tipo "vecinos más cercanos" válido para datos agrupados, resolviendo la inconsistencia de las adaptaciones naive y ofreciendo una alternativa menos conservadora que los métodos basados en residuos.
3. Flexibilidad Asintótica: Al definir marcos que permiten tamaños de grupos grandes y estructuras de dependencia complejas, el artículo guía a los investigadores sobre cuándo es seguro asumir normalidad asintótica y cuándo se requieren ajustes adicionales.
4. Herramienta Práctica: Ofrece una "regla de dedo" (rule of thumb) basada en los pesos del estimador para que los investigadores puedan diagnosticar si sus datos cumplen con las condiciones para la inferencia estándar o si necesitan métodos más robustos.

En resumen, el artículo cierra la brecha entre la teoría de RD y la realidad de los datos agrupados, proporcionando tanto la justificación teórica como las herramientas prácticas necesarias para realizar inferencias válidas en este contexto.