Double/Debiased Machine Learning for Continuous Treatment Effects in Panel Data with Endogeneity

Resumen Técnico: Aprendizaje Automático Doble/Desviciado para Efectos de Tratamiento Continuo en Datos de Panel con Endogeneidad

Planteamiento del Problema
Los investigadores frecuentemente buscan estimar los efectos causales de tratamientos continuos que varían en el tiempo en configuraciones de datos de panel. Si bien los modelos semiparamétricos y no paramétricos ofrecen la flexibilidad necesaria para evitar los riesgos de especificación incorrecta inherentes a los modelos lineales, enfrentan tres desafíos que se potencian mutuamente: alta dimensionalidad, endogeneidad ubicua (incluyendo correlación contemporánea, violaciones de exogeneidad secuencial y variables dependientes rezagadas), y la presencia de efectos fijos bidireccionales (individuales y temporales).

Los marcos existentes de Aprendizaje Automático Doble/Desviciado (DML), como los de Chernozhukov et al. (2018), han abordado principalmente datos transversales o datos de panel con solo efectos fijos individuales y regresores exógenos. Existe una brecha crítica en el manejo de modelos de panel no paramétricos con efectos fijos bidireccionales (TWFE) y regresores endógenos. Específicamente:

1. Los esquemas estándar de ajuste cruzado fallan en paneles TWFE porque eliminar los efectos fijos temporales mediante la desviación de la media transversal introduce correlaciones mecánicas entre unidades, violando las suposiciones de independencia requeridas para la teoría asintótica.
2. El término de desviciado (representante de Riesz) requerido para la ortogonalidad de Neyman generalmente carece de una solución de forma cerrada en configuraciones endógenas, y las estrategias de estimación existentes para este término se limitan a regresores exógenos.
3. Los estimadores TWFE convencionales a menudo se limitan a tratamientos binarios y efectos contemporáneos, fallando en capturar efectos dinámicos del tratamiento o respuestas heterogéneas a lo largo del tiempo.

Metodología
Los autores proponen un marco de Aprendizaje Automático Doble/Desviciado (DML) adaptado para modelos de panel no paramétricos con efectos fijos aditivos bidireccionales (TWFE) y regresores endógenos. El marco tiene como objetivo la estimación de efectos de derivada promedio (efectos marginales promedio) de tratamientos continuos, incluyendo efectos contemporáneos, dinámicos (rezagados) y agregados.

Las innovaciones metodológicas centrales incluyen:

1. Especificación del Modelo: Los autores consideran modelos de panel no paramétricos estáticos y dinámicos:

   • Estático: $Y_{it} = \gamma_0(X_{i,t-q:t}, D_{i,t-q:t}, C_i) + \mu_i + \lambda_t + \varepsilon_{it}$
   • Dinámico: Incluye resultados rezagados $Y_{i,t-1-p:t-1}$ como regresores.
   • La endogeneidad se maneja mediante variables instrumentales $I_{it}$, donde los regresores pueden ser secuencialmente exógenos o completamente endógenos.

2. Ortogonalización de Neyman y Desviciado:

   • Los autores derivan la forma explícita del término de desviciado requerido para construir condiciones de momentos ortogonales de Neyman. Se demuestra que este término se factoriza en el producto de un representante de Riesz ($\alpha_0$) y el error diferenciado.
   • A diferencia de los entornos transversales donde $\alpha_0$ podría estimarse mediante regresión estándar, el entorno endógeno lo impide. Los autores proponen estimar el representante de Riesz $\alpha_0$ utilizando Método Generalizado de Momentos (GMM) Penalizado. Este enfoque "automático" estima el complejo término de desviciado utilizando solo condiciones de momentos conocidas sin requerir formas funcionales explícitas.

3. Esquema de Ajuste Cruzado Innovador:

   • Para abordar la correlación inducida por la eliminación de efectos fijos temporales (desviación de la media), los autores introducen un procedimiento de ajuste cruzado modificado.
   • La muestra se divide en $K$ pliegues. Para un pliegue objetivo $F_k$, los efectos fijos temporales se eliminan desviando la media utilizando un pliegue diferente $F_{k'}$. Crucialmente, la estimación de las funciones de incógnita ($\gamma_0$ y $\alpha_0$) utiliza un tercer conjunto de datos (excluyendo $F_k \cup F_{k'}$), y la estimación final del efecto del tratamiento utiliza el pliegue objetivo. Esta estrategia de "pliegue dedicado" restaura la independencia de la muestra requerida para la teoría asintótica.

4. Algoritmo de Estimación:

   • Paso 1: Dividir a los individuos en $K$ pliegues.
   • Paso 2: Para cada pliegue, estimar la función estructural $\gamma_0$ (utilizando métodos de ML como DeepIV o GMM penalizado) y el representante de Riesz $\alpha_0$ (utilizando GMM penalizado) sobre los datos complementarios.
   • Paso 3: Construir la condición de momento ortogonal:
     $$\psi(W^*_{it}, \theta, \Delta\gamma^*, \alpha) = m(W^*_{it}, \Delta\gamma^*) - \theta + \alpha(Z_{it})[\Delta Y^*_{it} - \Delta\gamma^*(V_{it})]$$
     donde $\Delta$ denota la diferenciación para eliminar efectos fijos individuales, y $^*$ denota la desviación de la media para eliminar efectos fijos temporales.
   • Paso 4: Resolver para la derivada promedio $\theta$ utilizando el promedio muestral de la condición de momento ortogonal.

Contribuciones Clave
El artículo hace cuatro contribuciones principales a la literatura:

1. Extensión de DML a TWFE con Endogeneidad: Es el primer trabajo que extiende el marco DML a modelos de panel no paramétricos con efectos fijos individuales y temporales en presencia de regresores endógenos.
2. Resolución del Ajuste Cruzado en TWFE: Los autores derivan la forma específica del término de desviciado para este entorno y proponen un esquema de ajuste cruzado innovador que reserva un pliegue adicional para la desviación de la media, resolviendo así la violación de independencia causada por la eliminación de efectos fijos temporales.
3. GMM Penalizado para Representantes de Riesz: El artículo extiende el concepto de "auto-DML" a entornos endógenos estimando el representante de Riesz mediante GMM penalizado. Esto permite la estimación de términos de desviciado altamente complejos sin soluciones de forma cerrada, acomodando tanto la endogeneidad como los TWFE. Los autores también establecen la tasa de convergencia en error cuadrático medio de este estimador bajo condiciones más suaves que la literatura anterior (e.g., Caner y Kock, 2018).
4. Efectos Dinámicos y Heterogéneos: El marco acomoda efectos dinámicos del tratamiento y respuestas heterogéneas a tratamientos continuos, superando las limitaciones de los estimadores TWFE convencionales que a menudo se restringen a tratamientos binarios y efectos contemporáneos. También proporciona una versión refinada y no paramétrica del estimador de Arellano-Bond para paneles dinámicos.

Resultados

• Teoría Asintótica: Los autores establecen que los estimadores desviciados propuestos para efectos contemporáneos, dinámicos y agregados son consistentes en $\sqrt{N}$ y asintóticamente normales. Se proporciona un estimador de varianza consistente, permitiendo inferencia estadística válida.
• Simulaciones: Estudios de Monte Carlo demuestran que el estimador propuesto (DPGMM) elimina efectivamente el sesgo de regularización y el sesgo de sobreajuste. En comparación con estimadores de inserción no desviciados (PGMM) y estimadores que ignoran la endogeneidad (Lasso) o especifican incorrectamente la primera etapa (GMM), el estimador DPGMM exhibe:
  • Sesgo y Error Cuadrático Medio (MSE) significativamente reducidos.
  • Estimación de varianza precisa, lo que conduce a intervalos de confianza con tasas de cobertura empírica cercanas al nivel nominal (e.g., 95%).
  • Robustez frente a la especificación incorrecta del modelo y al descuido de la endogeneidad.
• Aplicación Empírica: El marco se aplica al conjunto de datos ECLS-K para examinar el efecto del estatus socioeconómico familiar (SES), el tamaño del hogar y los precios de la comida rápida en el IMC infantil.
  • Los resultados revelan dinámicas ricas: el efecto del SES familiar sobre el IMC cambia de signo a medida que los niños envejecen (negativo en periodos tempranos, positivo en periodos posteriores), ayudando a reconciliar hallazgos contradictorios en la literatura previa que estimaron solo efectos agregados en el tiempo.
  • La especificación de panel dinámico muestra que algunos efectos se explican parcialmente por resultados pasados, subrayando la importancia de tener en cuenta la dinámica.

Significado y Afirmaciones
El artículo afirma resolver un conjunto de desafíos que lo distinguen del trabajo existente, proporcionando una herramienta robusta para la inferencia causal en entornos complejos de datos de panel. Al combinar la flexibilidad del aprendizaje automático con técnicas rigurosas de desviciado adaptadas para la endogeneidad y los efectos fijos bidireccionales, el marco permite a los investigadores estimar efectos de derivada promedio con inferencia válida en configuraciones previamente consideradas intratables para DML. Los autores notan modestamente que, si bien su teoría asume $T$ fijo y $N \to \infty$, el trabajo futuro podría abordar asintótica conjunta y estrategias de identificación alternativas (e.g., tendencias paralelas) donde no están disponibles instrumentos.