Nonparametric Identification and Estimation of Causal Effects on Latent Outcomes

Each language version is independently generated for its own context, not a direct translation.

Imagina que eres un chef y quieres saber si una nueva receta (el tratamiento) hace que la comida sepa mejor. Pero hay un problema: no puedes probar la comida directamente. En su lugar, tienes que pedirle a cinco amigos que la prueben y te den su opinión.

El problema es que cada amigo tiene un paladar diferente:

El amigo A es muy sensible a la sal.
El amigo B solo nota si está caliente o fría.
El amigo C es un poco "ruidoso" y a veces confunde el sabor con el olor.

Si simplemente promedias sus opiniones, ¿estás midiendo realmente qué tan buena es la comida, o solo estás mezclando sus opiniones extrañas? Y si otro chef en otro país hace el mismo experimento pero con amigos que tienen gustos diferentes, ¿cómo puedes comparar tus resultados con los suyos?

Este es el problema que resuelve el artículo.

Los investigadores (Jiawei Fu y Donald Green) están hablando de experimentos científicos donde el resultado que realmente importa es algo invisible (como la "confianza política", la "salud mental" o la "inteligencia"). Como no podemos ver estas cosas directamente, usamos encuestas o tests (los "amigos" del ejemplo) para medirlas.

Aquí está la explicación sencilla de sus hallazgos:

1. El Problema de las "Reglas de Medición" Diferentes

Imagina que quieres medir la "altura" de un edificio.

Estudio A usa una regla en metros.
Estudio B usa una regla en pulgadas.

Si el Estudio A dice que el edificio creció 1 metro y el Estudio B dice que creció 20 pulgadas, parecen diferentes. Pero en realidad, ¡son lo mismo! Sin embargo, si usas métodos estadísticos antiguos y tontos (como simplemente promediar o usar "componentes principales"), podrías terminar pensando que el Estudio A vio un crecimiento gigante y el Estudio B vio nada, solo porque sus reglas eran diferentes.

El artículo dice: "¡Oigan! Si cambiamos las preguntas de la encuesta, cambiamos la regla de medición. Y si cambiamos la regla, cambiamos el resultado, aunque la realidad no haya cambiado."

2. El Problema de los "Traductores"

Dentro de un mismo estudio, tienes varios amigos midiendo lo mismo.

El amigo A mide la "inteligencia" con matemáticas.
El amigo B mide la "inteligencia" con lectura.

A veces, el amigo B no solo mide inteligencia, sino también "capacidad de leer rápido". Si mezclas sus respuestas sin pensar, estás comparando manzanas con naranjas. Los métodos actuales a menudo asumen que todos los amigos son iguales (lineales), pero en la vida real, algunos son más sensibles que otros o tienen "ruido" (errores).

3. La Solución: El "Puente" Mágico

Los autores proponen una nueva forma de hacer las cosas llamada NSI (Índice Escalado No Paramétrico). Imagina que es como tener un traductor universal o un puente.

El Paso 1: Elegir una "Regla Maestra".
Deciden que una de las preguntas (digamos, la pregunta sobre "actitudes hacia inmigrantes") será la Regla Maestra (el estándar).
El Paso 2: Construir el Puente.
Para cada otra pregunta (la de "políticas", la de "temperaturas", etc.), crean un puente matemático. Este puente es como un traductor que toma la respuesta del amigo B y la "traduce" para que suene exactamente como si la hubiera dicho el amigo A (la Regla Maestra).
- Analogía: Es como si el amigo B dijera "¡Qué caliente está!". El puente traduce eso a: "En la escala del amigo A, esto equivale a un 7 sobre 10".
El Paso 3: Comparar con Justicia.
Una vez que todos los amigos han sido "traducidos" a la misma escala (la de la Regla Maestra), ahora sí puedes promediar sus opiniones y comparar tus resultados con los de otros estudios que también usaron esa misma Regla Maestra.

¿Por qué es genial esto?

No asume nada: Los métodos antiguos decían: "Asumamos que la relación entre la pregunta y la realidad es una línea recta". Si la realidad es una curva o un círculo, esos métodos fallan. Este nuevo método dice: "No asumimos nada. Usamos los datos para construir el puente, sea lineal o curvo".
Ahorra dinero y tiempo: Ahora los científicos pueden diseñar sus experimentos sabiendo que necesitan al menos una pregunta en común con otros estudios para poder comparar resultados en el futuro.
Resultados más honestos: Evita que dos estudios parezcan contradictorios solo porque usaron preguntas ligeramente diferentes.

En resumen

Imagina que quieres medir el "éxito" de un país.

Antes: Cada país usaba su propia definición de éxito y sus propias reglas. Nadie podía comparar quién lo hacía mejor.
Ahora: Este método nos dice: "Elegamos un indicador clave (como la esperanza de vida) como referencia. Luego, usamos matemáticas inteligentes para traducir todos los otros indicadores (educación, felicidad, economía) a esa misma escala de 'esperanza de vida'".

Así, cuando dos investigadores dicen "¡Mi tratamiento funciona!", podemos estar seguros de que están hablando del mismo idioma y midiendo la misma cosa, sin importar qué preguntas específicas hayan hecho en sus encuestas.

Each language version is independently generated for its own context, not a direct translation.

1. El Problema: Inferencia Causal con Resultados Latentes

En muchos campos de las ciencias sociales (política, economía, psicología), el resultado de interés no es directamente observable. Los investigadores deben inferir constructos latentes como la ideología, la capacidad cognitiva, la salud mental o la confianza política a través de múltiples indicadores imperfectos (encuestas, pruebas, registros administrativos).

El artículo identifica que la inferencia causal en este contexto enfrenta dos desafíos de no comparabilidad que las metodologías existentes no resuelven adecuadamente:

Desafío de No Comparabilidad entre Estudios (Study Noncomparability): Cuando dos estudios miden el mismo constructo latente utilizando diferentes conjuntos de indicadores, los métodos estándar de reducción de dimensionalidad (como PCA o promedios simples) generan estimadores que apuntan a cantidades empíricas diferentes. Incluso si el efecto causal latente verdadero es idéntico, las estimaciones pueden diferir simplemente debido a las diferencias en la medición, lo que impide la acumulación de conocimiento.
Desafío de No Comparabilidad dentro del Estudio (Measurement Noncomparability): Dentro de un mismo estudio, diferentes indicadores pueden tener relaciones distintas (lineales, no lineales, con diferentes sensibilidades) con el mismo resultado latente. Los métodos actuales o bien imponen especificaciones paramétricas fuertes (como modelos IRT o SEM lineales) que son sensibles a la mala especificación, o ignoran la estructura latente común (como PCA), lo que resulta en ineficiencia.

2. Metodología Propuesta: Índice Escalado No Paramétrico (NSI)

Los autores proponen un marco general no paramétrico basado en el diseño experimental, centrado en dos conceptos clave: una medición de referencia (benchmark) y funciones puente de medición (measurement bridge functions).

A. Conceptos Fundamentales

Variable de Referencia ( $Y_1$ ): Se asume que existe al menos una medición común (o una medición que puede servir como ancla) que es "centrada", es decir, $E[Y_1 | \eta] = \eta$ , donde $\eta$ es el resultado latente.
Función Puente ( $\phi_j$ ): Para cada otra medición $Y_j$ , se define una función no paramétrica $\phi_j$ tal que:
$E[\phi_j(Y_j) | \eta] = E[Y_1 | \eta]$
Esta función transforma la medición $Y_j$ para que, en expectativa, contenga la misma información sobre el latente que la referencia $Y_1$ .

B. Identificación (Variables Instrumentales No Paramétricas)

La identificación de la función puente $\phi_j$ se trata como un problema de Variables Instrumentales No Paramétricas (NPIV).

Ecuación de Momento Condicional: $E[Y_1 - \phi_j(Y_j) | W_i] = 0$ , donde $W_i$ son variables instrumentales.
Instrumentos Válidos: En el contexto de un experimento aleatorizado, la asignación del tratamiento ( $Z_i$ ), las covariables pre-tratamiento ( $X_i$ ) y otras mediciones adicionales pueden servir como instrumentos válidos.
Condiciones de Identificación: Se requiere una condición de completitud (completeness) para asegurar que la función puente exista y sea única. Esto implica que las mediciones deben capturar la variabilidad completa del resultado latente.

C. Estimación bajo Identificación Débil

Dado que la estimación de funciones no paramétricas es un problema inverso mal planteado (ill-posed), los autores adoptan un enfoque de estimación de funcionales lineales continuos (basado en Bennett et al., 2025):

Score Ortogonal de Neyman: Se construye un score que es ortogonal a los errores de estimación de la función puente (necesidad de "debiasing").
Cross-Fitting: Se utiliza validación cruzada para estimar las funciones de incógnita (puente y funciones de corrección) en submuestras distintas a las usadas para la estimación final, evitando el sobreajuste.
Estimador GMM: Se utiliza un Estimador de Momentos Generalizados (GMM) para combinar las múltiples mediciones transformadas, aprovechando la sobreidentificación para obtener un estimador eficiente y asintóticamente normal del Efecto de Tratamiento Latente Promedio (ALTE).

3. Contribuciones Clave

Marco No Paramétrico General: A diferencia de trabajos previos que requieren modelos lineales o IRT, este marco permite relaciones arbitrarias (no lineales) entre los indicadores y el resultado latente.
Solución a la No Comparabilidad: El método garantiza que los estimadores sean comparables tanto dentro como entre estudios, siempre que compartan al menos una medición de referencia común.
Guía de Diseño Experimental: El artículo subraya que el diseño de la medición es parte integral del diseño causal. Sugiere que los investigadores deben incluir deliberadamente al menos una medición común ("benchmark") en múltiples estudios para permitir la comparación.
Inferencia Válida con Identificación Débil: Proporciona un procedimiento de inferencia robusto que mantiene la validez asintótica incluso cuando la función puente no está fuertemente identificada, siempre que el parámetro de interés (el efecto causal) sí lo esté.

4. Resultados Empíricos y Simulaciones

Simulaciones:
- Se compararon métodos estándar (PCA, ICW, WSI lineal) con el nuevo NSI.
- Hallazgo: Los métodos estándar (PCA, ICW) generaron diferencias espurias entre estudios (hasta un 100% de rechazo de la hipótesis nula de efectos iguales) debido a la dependencia de la medición.
- El estimador NSI redujo la brecha entre estudios a casi cero y mantuvo tasas de rechazo cercanas al nivel nominal, demostrando su capacidad para recuperar efectos latentes comparables incluso con relaciones no lineales.
Aplicación Empírica (Kalla & Broockman, 2020):
- Se reanalizó un experimento sobre el efecto del "canvassing" (puerta a puerta) en las actitudes hacia inmigrantes indocumentados.
- Se utilizaron dos escalas de resultado distintas (actitudes personales vs. opiniones de política pública) como indicadores del mismo constructo latente.
- Resultados: El estimador NSI no paramétrico confirmó que el tratamiento completo tiene un efecto positivo y significativo, mientras que el tratamiento abreviado no. Los resultados fueron consistentes con el estimador lineal (WSI), pero el enfoque no paramétrico demostró robustez sin asumir linealidad, validando la conclusión sustantiva.

5. Significado e Implicaciones

El artículo transforma la perspectiva sobre la medición en la inferencia causal:

La medición no es un ruido secundario: Es parte constitutiva del estimando causal. Ignorar la estructura de medición lleva a conclusiones no comparables.
Cambio de paradigma: Se aleja de la reducción de dimensionalidad ad hoc (como PCA) hacia la identificación explícita del efecto causal latente.
Recomendación práctica: Para la ciencia acumulativa, es crucial estandarizar al menos un indicador entre estudios. El marco NSI ofrece la herramienta matemática para integrar múltiples indicadores imperfectos de manera robusta, permitiendo comparaciones válidas en un mundo de datos heterogéneos.

En resumen, Fu y Green proporcionan una solución teórica y práctica rigurosa para un problema omnipresente en las ciencias sociales, permitiendo que los investigadores extraigan efectos causales comparables de constructos latentes medidos imperfectamente, sin depender de supuestos paramétricos restrictivos.