Resumen Técnico: Relaciones de Acotamiento de los Efectos de Tratamiento de Promedio Ponderado

1. Planteamiento del Problema

En la inferencia causal observacional, los investigadores suelen estimar diferentes efectos de tratamiento de promedio ponderado (ATE, por sus siglas en inglés) dependiendo de la población objetivo. Los estimandos comunes incluyen el Efecto de Tratamiento Promedio sobre los Tratados (ATT), el Efecto de Tratamiento Promedio sobre los Controles (ATC) y el Efecto de Tratamiento Promedio bajo el Peso de Traslape (ATO). Si bien se sabe que el ATE estándar es una combinación convexa de ATT y ATC, la relación entre el estimando de traslape ponderado (ATO) y estos estimandos tradicionales no ha sido caracterizada de manera general.

El ATO se define mediante el peso de las unidades proporcional a la varianza condicional del tratamiento dado los covariables, $e(X)\{1-e(X)\}$, donde $e(X)$ es la puntuación de propensión (propensity score). Este esquema de ponderación es valorado por su robustez ante puntuaciones de propensión extremas y su conexión con los estimadores basados en regresión. Sin embargo, sin un ordenamiento teórico, no está claro si el ATO se encuentra entre el ATT y el ATC o si puede excederlos. Este artículo busca establecer una relación de "acotamiento" (bracketing) entre estos estimandos bajo condiciones de monotonicidad específicas.

2. Metodología y Marco Teórico

2.1 Entorno Observacional

Los autores trabajan dentro del marco estándar de resultados potenciales bajo el supuesto de inconfundibilidad. Definen el Efecto de Tratamiento Promedio Condicional (CATE) como $\tau(X) = E\{Y(1) - Y(0) | X\}$. El objeto teórico clave es la función P-CATE, $g(e) = E\{\tau(X) | e(X) = e\}$, que representa la media condicional del CATE dado un valor específico de la puntuación de propensión.

El supuesto central que impulsa los resultados es el Supuesto 1, que postula que $g(e)$ es no decreciente o no creciente. Este supuesto implica que las unidades con una propensión mayor (o menor) a recibir el tratamiento tienden a tener efectos de tratamiento sistemáticamente mayores (o menores) en promedio. Este es un supuesto más débil que requerir que la relación puntual entre $\tau(X)$ y $e(X)$ sea monótona.

2.2 Entorno de Variables Instrumentales (IV)

El marco se extiende al entorno del Efecto de Tratamiento Local Promedio (LATE) con una variable instrumental binaria $Z$ y un tratamiento binario $D$. El análisis se centra en la subpoblación de "cumplidores" (compliers). Los autores definen análogos locales de ATT, ATC y ATO ($\tau^c_{ATT}, \tau^c_{ATC}, \tau^c_{ATO}$) e introducen una función local de P-CATE, $g_c(e)$, definida sobre el estrato de los cumplidores. El Supuesto 4 impone la misma condición de monotonicidad sobre $g_c(e)$.

2.3 Generalización a Pesos Beta

El artículo generaliza estos hallazgos a una familia de pesos beta definidos como $\beta_{u,v}(x) = e(x)^{u-1}\{1-e(x)\}^{v-1}$ para $u, v \geq 1$. Esta familia abarca ATE ($u=1, v=1$), ATT ($u=2, v=1$), ATC ($u=1, v=2$) y ATO ($u=2, v=2$) como casos especiales.

2.4 Interpretaciones de Regresión

Los autores conectan estos estimandos ponderados con coeficientes de regresión:

• OLS: Bajo la linealidad de la puntuación de propensión, el coeficiente del tratamiento en una regresión OLS poblacional de $Y$ sobre $Z$ y $X$ es igual a $\tau_{ATO}$.
• TSLS: En el entorno de IV, bajo la linealidad de la puntuación de propensión de la IV, el estimador de Mínimos Cuadrados en Dos Etapas (TSLS) poblacional es igual al LATE ponderado por traslape ($\tau^c_{ATO}$).

3. Resultados Clave

3.1 Teoremas de Acotamiento

• Teorema 1 (Observacional): Bajo el supuesto de monotonicidad en $g(e)$, $\tau_{ATO}$ está acotado entre $\tau_{ATT}$ y $\tau_{ATC}$. Específicamente, si $g(e)$ es no decreciente, $\tau_{ATC} \leq \tau_{ATO} \leq \tau_{ATT}$; si es no creciente, la desigualdad se invierte.
• Teorema 2 (IV): Análogamente, bajo el supuesto de monotonicidad en $g_c(e)$, el LATE ponderado por traslape ($\tau^c_{ATO}$) está acotado por el ATT local y el ATC local.
• Proposición 1: Bajo una especificación lineal de la media condicional del CATE, se muestra explícitamente que $\tau_{ATO}$ es una combinación convexa de $\tau_{ATT}$ y $\tau_{ATC}$, con un peso de mezcla $\lambda$ determinado por la distribución de la puntuación de propensión.

3.2 Ordenamiento de Pesos Beta

• Teorema 4: Para la familia general de pesos beta, el estimando $\tau_{u,v}$ es monótono en sus parámetros $u$ y $v$. Si $g(e)$ es no decreciente, $\tau_{u,v}$ aumenta con $u$ y disminuye con $v$. Esto establece un retículo de ordenamiento entre todos los estimandos ponderados por beta.
• Proposición 3: Los estimandos adyacentes ponderados por beta satisfacen una relación de combinación convexa bajo el supuesto de especificación lineal.

3.3 Ponderación General

• Teorema 6: Los autores proporcionan una condición suficiente para comparar cualquier par de estimandos ponderados basada en una propiedad de "un solo cruce" (one-crossing) de la diferencia en sus funciones de ponderación respecto a la monotonicidad de la media del efecto condicional.

4. Ilustraciones Empíricas

El artículo valida el acotamiento teórico a través de dos conjuntos de análisis empíricos:

1. Estudios Observacionales: Se analizaron ocho conjuntos de datos (incluyendo Cateterismo Cardíaco Derecho, legalización del aborto y elegibilidad para el 401(k)). Los autores construyeron "gráficos CP" (gráficos de Propensión Condicional) del CATE estimado ($\hat{\tau}(X)$) contra la puntuación de propensión estimada ($\hat{e}(X)$).

   • Hallazgos: En los ocho casos, la relación entre $\hat{\tau}(X)$ y $\hat{e}(X)$ fue aproximadamente monótona en la región de soporte de datos bien sustentada (la región central de traslape).
   • Resultado: El $\tau_{ATO}$ estimado cayó consistentemente entre el $\tau_{ATT}$ y el $\tau_{ATC}$, y la dirección del ordenamiento coincidió con la tendencia visual (creciente o decreciente) en los gráficos CP.

2. Estudio de IV: Se revisó el conjunto de datos 401(k) de Abadie (2003).

   • Método: Se trazó un suavizador ponderado por cumplidores de la razón de Wald condicional contra la puntuación de propensión de la IV.
   • Resultado: La relación fue ligeramente creciente, y el LATE ponderado por traslape cayó entre el ATC local y el ATT local, consistente con las predicciones teóricas.

5. Significancia y Recomendaciones

El artículo afirma llenar un vacío en la literatura al caracterizar la relación entre el estimando de traslape ponderado, cada vez más popular, y los estimandos tradicionales. La significancia radica en:

1. Unificación Teórica: Demuestra que el ATO no es un estimando aislado, sino que está estructuralmente limitado por el ATT y el ATC bajo una condición de monotonicidad plausible.
2. Diagnóstico Práctico (Gráfico CP): Los autores recomiendan graficar el CATE estimado contra las puntuaciones de propensión estimadas como una herramienta diagnóstica. Si el gráfico muestra monotonicidad en la región de buen soporte, los investigadores pueden estar seguros de que el ATO (y el LATE ponderado por traslape) se encuentra entre el ATT y el ATC.
3. Robustez: Los resultados se mantienen incluso cuando el supuesto de monotonicidad se viola en las colas de la distribución de la puntuación de propensión, siempre que el peso de traslape reduzca el peso de esas regiones (lo cual hace naturalmente).
4. Estrategia de Reporte: El artículo sugiere que los investigadores deben reportar el ATT, el ATO y el ATC (o sus análogos locales de IV) junto con el gráfico CP. Esto permite a los lectores evaluar la sensibilidad de las conclusiones causales a la población objetivo y verificar si la relación de acotamiento se cumple empíricamente.

Los autores enfatizan que estos gráficos son diagnósticos descriptivos más que pruebas estadísticas formales de monotonicidad, y que las conclusiones de acotamiento deben interpretarse con cautela si la relación es visiblemente no monótona en la región central de los datos.