Analytic Standard Errors for Latent Gaussian Discrete-Valued Multivariate Time Series

Resumen Técnico: Errores Estándar Analíticos para Series Temporales Multivariadas de Valores Discretos con Procesos Gaussianos Latentes

Planteamiento del Problema
En las ciencias sociales, del comportamiento y de la salud, el estudio de procesos dinámicos frecuentemente involucra datos de series temporales multivariadas caracterizados por variables de valores discretos (por ejemplo, conteos, indicadores binarios, categorías ordenadas). Si bien el modelo de Vectores Autorregresivos (VAR) es el estándar para procesos de valores continuos, este depende del supuesto de que los resultados son números reales. La aplicación de modelos VAR estándar a datos discretos presenta desafíos estadísticos significativos, incluyendo información limitada por observación, dificultad para detectar la dependencia temporal e la incapacidad de las distribuciones marginales comunes para acomodar características como la inflación de ceros o la sobredispersión. Los métodos existentes para series de valores discretos, como los modelos de autorregresión de enteros (INAR) o los modelos de espacio de estados impulsados por parámetros, a menudo sufren de limitaciones tales como la incapacidad de producir autocorrelaciones negativas o supuestos restrictivos sobre las familias de observación. Además, aunque se ha propuesto un marco gaussiano latente utilizando transformaciones de tipo cópula para abordar estos problemas de flexibilidad, no se han establecido errores estándar analíticos válidos para la inferencia sobre la dinámica latente, lo que deja un vacío en la cuantificación de la incertidumbre para estos modelos.

Metodología
El artículo extiende un marco de series temporales multivariadas gaussianas latentes donde el proceso de valores discretos observado $\{X_t\}$ se modela como una función determinista de un proceso gaussiano estándar estacionario latente $\{Z_t\}$. La transformación se define mediante una relación de tipo cópula: $X_{i,t} = G_i(Z_{i,t}) = F_i^{-1}(\Phi(Z_{i,t}))$, donde $F_i$ es la distribución marginal especificada y $\Phi$ es la función de distribución acumulada gaussiana estándar.

La contribución metodológica central involucra la derivación de errores estándar analíticos para el estimador de Yule–Walker de la dinámica gaussiana latente. El procedimiento procede de la siguiente manera:

1. Construcción de la Función de Enlace: Una función de enlace determinista $\ell_{ij}$ relaciona la autocovarianza de la serie observada con la de la serie latente. Esta función depende de las distribuciones marginales y se construye utilizando expansiones de Hermite de las funciones de transformación.
2. Estimación del Enlace Inverso: Dado que las autocovarianzas gaussianas latentes no son observadas, se construye una función de enlace inverso $g_{ij}$ (mediante interpolación de splines cúbicos naturales) para mapear las autocovarianzas observadas de vuelta a la escala latente.
3. Estimación de Yule–Walker: Se asume que la serie gaussiana latente sigue un proceso VAR($p$) causal. El estimador de Yule–Walker para las matrices de transición se obtiene resolviendo un sistema de ecuaciones basado en las autocovarianzas latentes estimadas derivadas de los datos observados.
4. Derivación Asintótica: Los autores establecen la normalidad asintótica conjunta de los estimadores tanto para los parámetros de la distribución marginal como para la dinámica gaussiana latente. Utilizando el método delta, derivan expresiones de forma cerrada para la matriz de covarianza asintótica del estimador de Yule–Walker. Esta derivación tiene en cuenta la dependencia de las estimaciones latentes tanto de las autocovarianzas de la muestra del proceso observado como de los parámetros marginales estimados.

Contribuciones Clave
El artículo realiza tres contribuciones primarias a la literatura sobre series temporales multivariadas gaussianas latentes con valores discretos:

1. Derivación de Errores Estándar Analíticos: Los autores proporcionan expresiones de forma cerrada para los errores estándar asintóticos de la dinámica gaussiana latente estimada bajo la estimación de Yule–Walker, facilitando una cuantificación válida de la incertidumbre.
2. Normalidad Asintótica: El artículo establece la normalidad asintótica conjunta del estimador de Yule–Walker para los parámetros de la dinámica gaussiana latente y los parámetros de la distribución marginal.
3. Implementación: La metodología se implementa en el paquete de R de código abierto timecop.

Resultados
El desempeño de los errores estándar analíticos propuestos y del modelo gaussiano latente se evaluó a través de un estudio de simulación de Monte Carlo y una aplicación empírica.

• Estudio de Simulación: El estudio varió el número de variables ($d=3, 5$), la longitud de la serie temporal ($T=50, 100, 200, 500$) y las distribuciones marginales (Bernoulli, Poisson, mixta).

  • Estimaciones Puntuales: El modelo gaussiano latente generalmente exhibió un sesgo absoluto y relativo menor que un VAR gaussiano canónico "naïve", particularmente en condiciones de distribuciones mixtas y en longitudes de serie temporal más largas.
  • Errores Estándar: Los errores estándar analíticos estimados para el modelo gaussiano latente mostraron un sesgo absoluto y un error cuadrático medio (RMSE) bajos en todas las condiciones, con un desempeño que mejora a medida que aumenta la longitud de la serie temporal.
  • Tasas de Cobertura: El hallazgo más significativo fue en las tasas de cobertura. El modelo gaussiano latente logró tasas de cobertura cercanas al nivel nominal de 0.95 en todas las condiciones. En contraste, el VAR gaussiano canónico frecuentemente falló en alcanzar la cobertura nominal, exhibiendo a menudo una subcobertura severa (por ejemplo, cayendo a 0.40–0.60 en ciertas condiciones), lo que sugiere tasas de error Tipo I infladas cuando se aplica a datos de valores discretos.

• Aplicación Empírica: El método se aplicó a datos diarios de dos participantes que involucraban actividad física (Bernoulli), consumo de alcohol (Poisson) y afecto positivo (Gaussiano). El modelo gaussiano latente produjo intervalos de confianza más amplios que el VAR canónico, resultando en menos efectos considerados estadísticamente significativos. Los autores interpretan esto como una corrección para la sobre-reyección de hipótesis nulas observada en el VAR canónico, consistente con los hallazgos de la simulación sobre la pobre cobertura para este último.

Significancia y Reclamaciones
El artículo afirma que el marco propuesto aborda la falta de metodologías inferenciales flexibles para series temporales multivariadas de valores discretos. Al derivar errores estándar analíticos, los autores permiten una inferencia estadística rigurosa (pruebas de hipótesis e intervalos de confianza) para las dinámicas gaussianas latentes, una capacidad previamente no disponible para esta clase de modelos. Los resultados sugieren que, si bien las estimaciones puntuales de los modelos VAR estándar pueden parecer comparables en algunas métricas, sus propiedades inferenciales (específicamente la cobertura de los intervalos de confianza) son poco fiables para datos discretos. El enfoque gaussiano latente, respaldado por los errores estándar analíticos derivados, ofrece una alternativa robusta que mantiene las tasas de cobertura nominales, reduciendo así el riesgo de conclusiones erróneas sobre la presencia de efectos dinámicos en procesos de valores discretos.

Los autores señalan limitaciones, incluyendo la potencial no estacionariedad en las estimaciones bajo condiciones de información limitada (series cortas, parámetros en el límite) y la incapacidad actual para manejar datos faltantes. Sugieren que el trabajo futuro debería explorar aproximaciones alternativas para la función de enlace inverso y métodos para el manejo de la ausencia de datos, pero mantienen que el enfoque actual proporciona un paso necesario y significativo para el análisis de datos longitudinales complejos de valores discretos.