📊 estadística

Is Using Shapley Value Good for Covariate Selection in Panel Models?

Este artículo propone y valida un método de valor de Shapley de efectos fijos para la selección de covariables en modelos de panel, demostrando mediante simulaciones y aplicaciones empíricas que ofrece una alternativa transparente, computacionalmente eficiente y parsimoniosa a los enfoques existentes, al tiempo que recupera con precisión los conjuntos activos verdaderos y mejora el rendimiento del modelo.

Autores originales: Htwe Ko, Pathairat Pastpipatkul

Publicado 2026-10-14

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Htwe Ko, Pathairat Pastpipatkul

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo de la economía, los investigadores se enfrentan a menudo a un rompecabezas que parece sencillo pero es profundamente complejo: cómo determinar qué factores impulsan realmente un resultado específico, como el crecimiento del ingreso de una nación. Imagine a un científico observando una hoja de cálculo masiva que contiene datos de docenas de países a lo largo de muchos años. Tiene una lista de causas potenciales: cosas como el gasto en educación, la inversión extranjera, las tasas de inflación y el crecimiento de la población. El problema es que hay demasiados candidatos para probarlos todos a la vez sin crear confusión, y la teoría económica rara vez señala una lista única y perfecta de ingredientes. Durante décadas, los estadísticos han intentado resolver esto utilizando varios atajos matemáticos para filtrar el ruido, pero estos métodos a menudo dejan a los investigadores adivinando qué variables están haciendo realmente el trabajo pesado y cuáles están simplemente de paso. El desafío central no es solo encontrar un modelo que se ajuste bien a los datos, sino comprender exactamente cuánto crédito merece cada factor individual por ese ajuste, especialmente cuando esos factores están entrelazados de formas complejas.

Un equipo de investigadores de la Universidad de Chiang Mai ha propuesto una nueva forma de abordar este problema, tomando prestado un concepto de la teoría de juegos para aportar claridad al caos de los datos económicos. En lugar de tratar la selección de variables como un juego de adivinanzas estadísticas, lo plantearon como un juego cooperativo donde cada factor potencial es un jugador. En este juego, el objetivo es medir cuánto contribuye cada jugador al éxito del equipo, que en este caso es la capacidad del modelo para explicar los cambios en el ingreso nacional. Los investigadores utilizaron una herramienta matemática llamada valor de Shapley, un método diseñado originalmente para dividir justamente las ganancias entre los jugadores en un juego cooperativo. Al aplicar esta lógica a los datos económicos, pudieron calcular la contribución promedio exacta de cada variable, teniendo en cuenta todas las combinaciones posibles de factores. Este enfoque trata los efectos fijos de los datos —los rasgos únicos e invariables de cada país y cada año— como un trasfondo constante, permitiendo a los investigadores centrarse puramente en cómo las variables cambiantes interactúan para explicar el resultado.

Los investigadores probaron su nuevo método, que llaman selección de covariables de Efectos Fijos mediante el Valor de Shapley, utilizando una serie de simulaciones por computadora. Crearon miles de conjuntos de datos económicos ficticios donde conocían la respuesta verdadera de antemano: sabían exactamente qué variables eran impulsores reales y cuáles eran solo ruido aleatorio. En estas pruebas, el método demostró ser notablemente efectivo. A medida que la cantidad de datos crecía, el método se volvía casi perfecto para identificar los verdaderos impulsores e ignorar el ruido. Logró separar la señal del estática, recuperando el conjunto correcto de variables en casi todos los casos cuando el tamaño de la muestra era lo suficientemente grande. Las simulaciones mostraron que, mientras algunos métodos antiguos seguirían incluyendo variables irrelevantes solo porque parecían verse bien en una combinación específica, este nuevo enfoque asignaba consistentemente un valor cero o negativo a los factores inútiles, filtrándolos eficazmente.

Para ver si esto funcionaba en el mundo real, el equipo aplicó su método a datos económicos reales de cuarenta y cinco países, divididos en grupos de veinte naciones desarrolladas y veinticinco naciones en desarrollo, cubriendo los años desde 2000 hasta 2023. Comenzaron con un modelo completo que contenía diez indicadores económicos diferentes, tales como la deuda pública, la apertura comercial y los tipos de cambio. Cuando ejecutaron el análisis del valor de Shapley, los resultados revelaron una jerarquía clara de importancia que difería según el tipo de país. Para las naciones desarrolladas, la apertura comercial y la inversión extranjera directa surgieron como los impulsores más poderosos del crecimiento, mientras que para las naciones en desarrollo, la inversión extranjera y el crecimiento de la población tomaron el mando. El método también destacó variables que, a pesar de parecer significativas en las pruebas estadísticas tradicionales, en realidad contribuían muy poco a la explicación general del crecimiento. En algunos casos, incluso asignó un valor negativo a ciertos factores, indicando que incluirlos de hecho empeoraba el modelo al añadir una complejidad innecesaria sin aportar un poder explicativo real.

Los modelos finales producidos por este método fueron mucho más simples y enfocados que las versiones originales que lo abarcaban todo. En el grupo de países desarrollados, el método seleccionó siete variables clave; en el grupo de países en desarrollo, redujo la lista a solo tres; y para el grupo combinado, eligió cuatro. Estos modelos simplificados funcionaron tan bien como los modelos completos para explicar los datos, pero con una estructura mucho más limpia. Cuando los investigadores compararon sus resultados con otras técnicas estadísticas avanzadas, encontraron un fuerte acuerdo sobre las variables más importantes, pero el nuevo método ofrecía una ventaja distinta: proporcionaba una lista única y definitiva de las mejores variables en lugar de un conjunto confuso de probabilidades. Esto significa que un investigador puede ahora mirar los datos y decir con confianza exactamente qué factores están impulsando el crecimiento, sin tener que adivinar qué variables mantener o descartar. El estudio concluye que este enfoque basado en la teoría de juegos ofrece una forma transparente, justa y computacionalmente eficiente de resolver uno de los problemas más antiguos de la economía, convirtiendo una lista desordenada de posibilidades en una historia clara y basada en evidencia sobre lo que realmente importa.

Resumen Técnico: Selección de Covariables mediante Valores de Shapley de Efectos Fijos en Modelos de Panel

Planteamiento del Problema
El artículo aborda el desafío persistente de la selección de covariables en modelos de datos de panel, particularmente en contextos macroeconómicos donde los investigadores se enfrentan a un "menú" de determinantes plausibles que a menudo supera el número de observaciones o la capacidad de estimación fiable. Los enfoques tradicionales, como la regresión paso a paso (stepwise), la penalización de tipo Lasso o las búsquedas de criterios de información sobre todos los subconjuntos $2^p$ , enfrentan limitaciones: se vuelven computacionalmente inflexibles a medida que el número de covariables ( $p$ ) supera aproximadamente los veinte, sus conclusiones son sensibles al criterio elegido y no logran proporcionar una descomposición exacta del poder explicativo de un modelo en las contribuciones individuales de los regresores. Además, los métodos existentes suelen confundir la selección con la contracción (shrinkage) o carecen de un mecanismo transparente para atribuir el "valor" del modelo a variables específicas mientras se contabilizan los efectos fijos.

Metodología: Valor de Shapley de Efectos Fijos (FESV)
Los autores proponen el método de Valor de Shapley de Efectos Fijos (FESV, por sus siglas en inglés), que enmarca la selección de covariables como un problema de teoría de juegos cooperativos.

Formulación del Juego:
- Jugadores: Cada covariable candidata es tratada como un jugador en un juego de utilidad transferible.
- No Jugadores: Los efectos fijos de unidad ( $\alpha_i$ ) y de tiempo ( $\gamma_t$ ) se tratan como componentes estructurales que siempre están presentes; se eliminan mediante la transformación within antes de la evaluación de la coalición y nunca son seleccionados.
- Función Característica ( $v$ ): El valor de una coalición (subconjunto de covariables $S$ ) se define como el $R^2$ ajustado de la regresión del estimador within utilizando solo las variables en $S$ . Esta función es neta de efectos fijos y penalizada por grados de libertad.
- Funciones Alternativas: El estudio también considera el $R^2$ no ajustado y el BIC negativo como funciones características para probar la robustez.
Cálculo del Valor de Shapley:
- El valor de Shapley ( $\phi_i$ ) para cada covariable se calcula como el promedio ponderado de su contribución marginal a través de todas las coaliciones posibles ( $2^p$ subconjuntos).
- Propiedades: El método aprovecha las propiedades axiomáticas del valor de Shapley: eficiencia (la suma de los valores es igual a la variación total explicada), simetría, aditividad y la propiedad del jugador nulo (las variables irrelevantes reciben un valor cero o negativo).
- Computación: El vector de Shapley exacto se calcula enumerando todas las $2^p$ coaliciones, ajustando la regresión within para cada una y aplicando pesos combinatorios.
Reglas de Selección:
- Regla A (Signo Positivo): Selecciona todas las covariables con un valor de Shapley positivo ( $\phi_i > 0$ ). Esto sirve como diagnóstico, pero tiende a la sobreselección en muestras finitas debido al ruido de muestreo.
- Regla B (Anidada Penalizada): Ordena las covariables por valor de Shapley decreciente y selecciona la coalición de los mejores $k$ que maximiza un objetivo penalizado: $J(k) = v(M_k) - \gamma k$ , donde $\gamma$ es una penalización definida por el usuario (por ejemplo, 0.01). Esta regla controla eficazmente los falsos positivos al cobrar un costo por añadir variables que no mejoran suficientemente el ajuste ajustado.

Contribuciones Clave

Descomposición Exacta: A diferencia de los métodos de paso a paso o penalizados, el FESV proporciona una descomposición no residual exacta del $R^2$ ajustado del modelo completo en contribuciones por covariable.
Separación de Selección y Estimación: El método realiza la selección sin contracción (shrinkage). Una vez identificado el subconjunto óptimo mediante el juego de Shapley, se utiliza la regresión OLS estándar sobre los datos transformados within, preservando la interpretabilidad de los coeficientes.
Gestión de Efectos Fijos: El enfoque trata explícitamente los efectos fijos como no jugadores, asegurando que la selección sea robusta a la especificación de los efectos de unidad y de tiempo.
Consistencia Teórica: El artículo establece que, bajo supuestos de regularidad estándar, los valores de Shapley estimados convergen a los valores poblacionales, y la Regla B recupera consistentemente el conjunto activo real cuando $N \times T \to \infty$ .

Resultados Empíricos y de Simulación

Simulaciones de Monte Carlo:
- Simulaciones a través de cinco tamaños de muestra ( $N \times T$ que oscilan entre 50 y 4000) con 6 covariables (3 activas, 3 de ruido) demuestran que la Regla B recupera el conjunto activo real con precisión y exhaustividad (recall) casi perfectas (puntuación F1 $\approx$ 1.0) en tamaños de muestra moderados ( $N \times T \geq 450$ ).
- La Regla A mantiene una alta exhaustividad pero sufre de una tasa de falsos positivos persistente (precisión $\approx$ 0.79) porque el ruido de muestreo ocasionalmente asigna valores positivos pequeños a las covariables de ruido.
- Las simulaciones confirman que la función característica penalizada (el $R^2$ ajustado) asigna valores negativos a las covariables de ruido en expectativa, permitiendo una selección efectiva.
Aplicación Empírica (Regresiones de Crecimiento):
- Aplicado a datos de panel de 45 países (20 desarrollados, 25 en desarrollo) del periodo 2000–2023 para explicar el crecimiento del PIB.
- Hallazgos: El método FESV seleccionó modelos parsimoniosos (3–7 variables) en comparación con la especificación completa de 10 variables.
  - Desarrollados: Seleccionó Apertura Comercial, IED (Inversión Extranjera Directa), Crecimiento Poblacional, Inflación, Educación, Desempleo y Efectividad Gubernamental.
  - En Desarrollo: Seleccionó IED, Tipo de Cambio y Crecimiento Poblacional.
  - Agrupados (Pooled): Seleccionaron IED, Crecimiento Poblacional, Apertura Comercial y Deuda.
- Desempeño: Los modelos seleccionados lograron puntuaciones BIC más bajas que los modelos completos, manteniendo los determinantes principales. El $R^2$ ajustado disminuyó solo marginalmente.
- Comparación: Las clasificaciones de FESV se alinearon estrechamente con los modelos de Selección de Variables de Panel Bayesianos (BPVS) respecto a las variables de primer rango (por ejemplo, la IED y el Crecimiento Poblacional fueron consistentemente los principales predictores). Sin embargo, FESV produjo modelos más parsimoniosos, mientras que BPVS retuvo todas las variables debido a las altas probabilidades de inclusión posterior.

Significancia y Reivindicaciones
El artículo afirma que el FESV ofrece una herramienta de selección de covariables en modelos de panel transparente, computacionalmente eficiente y teóricamente fundamentada. Su principal significancia radica en:

Transparencia: Convierte la "caja negra" de la selección de variables en una atribución auditable del poder explicativo, donde la contribución de cada variable se calcula explícitamente y suma exactamente el ajuste total del modelo.
Parsimonia sin Contracción: Logra la escasez del modelo mediante una penalización de teoría de juegos sobre los grados de libertad en lugar de la contracción de los coeficientes, lo que permite una inferencia post-selección estándar.
Robustez: Se demuestra que el método es consistente con los enfoques Bayesianos en la identificación de los impulsores clave, pero superior en la producción de una especificación única, defendible y parsimoniosa.

Limitaciones Reconocidas
Los autores señalan que la enumeración exacta de las $2^p$ coaliciones limita el método a un número moderado de covariables (aunque existen aproximaciones de muestreo). El marco actual está limitado a modelos lineales con resultados continuos, y el artículo no proporciona una teoría formal para la inferencia post-selección (por ejemplo, intervalos de confianza válidos tras la selección), señalando la literatura existente sobre selección penalizada para futuras investigaciones.

Resumen Técnico: Selección de Covariables mediante Valores de Shapley de Efectos Fijos en Modelos de Panel

Más como este