Resumen Técnico: Estimación Directa y Eficiente de Formas Bilineales en Paneles Tensoriales Escalonados

Formulación del Problema

Este artículo aborda la estimación de formas bilineales a partir de datos tensoriales ruidosos y parcialmente observados en el contexto de la inferencia causal. El entorno involucra un tensor de señal $M \in \mathbb{R}^{N \times T \times K}$ que sigue un modelo Tucker2 con rango $(r, r, K)$. La señal se descompone como $M = C \times_1 U \times_2 V \times_3 I_K$, donde $U \in \mathbb{R}^{N \times r}$ y $V \in \mathbb{R}^{T \times r}$ son matrices de factores compartidos a través de todas las $K$ capas (rebanadas), y $C \in \mathbb{R}^{r \times r \times K}$ contiene los tensores núcleo específicos de cada capa.

Los datos se observan bajo un patrón de ausencia de datos de adopción escalonada, común en los datos de panel causales donde las unidades adoptan un tratamiento en diferentes momentos. Una vez tratada, una unidad permanece tratada en todos los períodos subsiguientes, creando un patrón de "escalera" de resultados potenciales no tratados faltantes. Los autores se centran en la estimación de formas bilineales generales de los bloques no observados (contrafácticos):
$$\mu_{xy}^{(k)} = x^\top M_{\cdot,\cdot,k}^{(d)} y$$
donde $x$ e $y$ son vectores unitarios, y $M_{\cdot,\cdot,k}^{(d)}$ representa el bloque inferior derecho no observado en la $k$-ésima capa. Este objetivo incluye estimandos causales como el efecto de tratamiento promedio (ATE), contrafácticos individuales y agregados ponderados por políticas.

El desafío principal es que la literatura existente se centra mayoritariamente en la recuperación completa de matrices/tensores (minimizando el error de Frobenius o por entrada) en lugar de la estimación directa de funcionales específicos. Además, aunque existen métodos tensoriales para la inferencia causal, estos suelen carecer de garantías teóricas para la estimación directa de funcionales bajo patrones estructurados de Datos No Faltantes al Azar (MNAR, por sus siglas en inglés).

Metodología

1. Reducción de Cuatro Bloques y Algoritmo Espectral

Los autores analizan primero el patrón de ausencia de datos de cuatro bloques, el bloque de construcción fundamental de los diseños escalonados. En este entorno, cada capa $j$ tiene bloques observados $a, b, c$ y un bloque faltante $d$.

Proponen el Algoritmo 1 (BilinearTensor4Block), un estimador espectral que apunta directamente al funcional sin reconstruir el tensor completo. El algoritmo aprovecha los subespacios latentes compartidos ($U$ y $V$) a través de las capas:

1. Construcción de Matrices Agrupadas (Pooled): Construye dos matrices agrupadas mediante la apilación de los bloques observados a través de todas las $K$ capas:
   • $Y^p_{\text{left}}$: Apila los bloques observados de la "izquierda" (combinando los bloques $a$ y $c$) para estimar el subespacio de filas compartido $U$.
   • $Y^p_{\text{up}}$: Apila los bloques observados de la parte "superior" (combinando los bloques $a$ y $b$) para estimar el subespacio de columnas compartido $V$.
2. SVD y Estimación de Subespacios: Calcula las Descomposiciones de Valores Singulares (SVD) truncadas de rango $r$ de estas matrices agrupadas para obtener los estimadores $\hat{U}_{\text{left}}$ y $\hat{V}_{\text{up}}$.
3. Estimación Directa del Funcional: En lugar de imputar el bloque faltante, el algoritmo realiza un procedimiento de "regresión y luego eliminación de ruido". Utiliza los subespacios estimados para mapear el bloque observado $b$ al bloque faltante $d$ mediante un operador de regresión espectral, utilizando específicamente una inversa espectral recortada para estabilizar la inversión de la matriz de Gram $\hat{U}_{1k}^\top \hat{U}_{1k}$.

2. Extensión a Diseños Escalonados Generales

Para diseños de adopción escalonada generales (Sección 5), los autores proponen el Algoritmo 2 (BilinearTensorStaggered). Este método reduce el complejo patrón de ausencia en escalera a un problema auxiliar de cuatro bloques mediante:

• La permutación de filas para alinear con el orden de adopción de la capa objetivo.
• La identificación de conjuntos ancla (filas y columnas totalmente observadas) a través de todas las capas que corresponden al bloque faltante objetivo.
• La construcción de matrices agrupadas auxiliares utilizando solo estos bloques ancla, aislando efectivamente una estructura de cuatro bloques dentro del tensor más grande.

Resultados Teóricos Clave

1. Límites de Error No Asintóticos

El artículo establece un límite de error cuadrático medio (MSE) no asintótico para el estimador propuesto (Teorema 1). El límite revela una transición de fase dependiente del número de capas $K$:

• Régimen de $K$ Pequeño: El error está dominado por términos relacionados con la estimación de los factores compartidos $U$ y $V$, que escalan como $O(\sigma^2 \rho^{-1})$.
• Régimen de $K$ Grande: A medida que $K$ aumenta, los términos de error relacionados con la estimación de $U$ y $V$ decrecen (mejorando con la agrupación), pero permanece un término de error irreducible específico de la capa. Este término, que escala como $O(\sigma^2 \min(N/N_{1k}, T/T_{1k}))$, refleja la dificultad de estimar el núcleo específico de la rebanada $C_{\cdot,\cdot,k}$, el cual no puede mejorarse mediante la agrupación a través de las capas.

2. Límites Inferiores Minimax Locales

Los autores derivan límites inferiores minimax locales (Teoremas 2 y 3) que coinciden con los límites superiores hasta las constantes. Estos límites confirman que la transición de fase es inherente a la estructura del problema:

• La agrupación de información a través de las capas es necesaria para estimar los subespacios compartidos de manera eficiente.
• Sin embargo, una vez que los subespacios compartidos están bien estimados, la precisión del estimador del funcional está limitada por la relación señal-ruido dentro del bloque faltante de la capa objetivo específica.

3. Eficiencia Computacional

El método propuesto es computacionalmente eficiente. El costo dominante es la SVD de rango $r$ de las matrices agrupadas, que escala como $O(NT_{1,p}r + N_{1,p}Tr)$. Crucialmente, el algoritmo calcula la forma bilineal directamente, evitando el costo de $O(N_{1k}T_{2k}r)$ de construir el bloque faltante completo. Para múltiples consultas, el costo se reduce aún más mediante el almacenamiento en caché de las SVD agrupadas.

Significancia y Contribuciones

El artículo reclama las siguientes contribuciones:

1. Estimación Directa de Funcionales: Cambia el enfoque de la recuperación completa del tensor a la estimación directa de funcionales causales, que suele ser el objetivo real en las aplicaciones. Se demuestra que este enfoque es estadística y computacionalmente más eficiente para estos objetivos específicos.
2. Generalización Tensorial: Extiende los métodos espectrales para la completitud de matrices MNAR (previamente limitados a $K=1$ o inferencia por entrada específica) al entorno tensorial con múltiples capas ($K \ge 1$), acomodando múltiples tratamientos o resultados.
3. Caracterización de la Transición de Fase: Proporciona una caracterización teórica rigurosa de cómo la agrupación de información a través de las capas mejora la estimación, identificando el punto preciso donde el beneficio de la agrupación se satura debido a la heterogeneidad específica de la rebanada.
4. Robustez ante MNAR: La metodología está diseñada específicamente para patrones MNAR estructurados (adopción escalonada), un entorno donde los métodos estándar de completitud de matrices suelen fallar o requieren supuestos más fuertes.

Validación Empírica

Los autores validan su teoría mediante:

• Simulaciones: Demostrando la transición de fase en las tasas de error a medida que $K$ aumenta y mostrando que el estimador agrupado supera a los estimadores de capa única (sin agrupación), particularmente en regímenes de baja relación señal-ruido (SNR).
• Aplicaciones en el Mundo Real:
  • Leyes de la Doctrina del Castillo (Castle Doctrine): Estimando el efecto de las leyes de defensa propia sobre las tasas de criminalidad a través de diferentes resultados (robo, agresión, etc.), mostrando que el método tensorial reduce la incertidumbre en comparación con los métodos basados solo en matrices.
  • Políticas de COVID-19: Analizando el impacto de las órdenes de confinación en casa y el rastreo de contactos sobre las muertes y los casos, destacando la capacidad del método para aprovechar la información de resultados de políticas relacionadas (diferentes rebanadas) para mejorar la estimación en capas de datos escasos.

El artículo concluye que, si bien la recuperación completa del tensor es valiosa, la estimación directa de las formas bilineales ofrece un equilibrio superior entre eficiencia estadística y costo computacional para tareas de inferencia causal que involucran ausencia de datos estructurada.