Robust Inference for Convex Pairwise Difference Estimators

Résumé technique : Inférence robuste pour les estimateurs convexes de différences paires

Énoncé du problème
Cet article traite des défis d'inférence associés à une large classe d'estimateurs convexes de différences paires, définis comme les minimiseurs d'une fonction objectif convexe pondérée par un noyau sur des paires d'observations présentant des covariables similaires. Ces estimateurs sont largement utilisés pour traiter l'hétérogénéité dans les modèles non linéaires (par exemple, régression partiellement linéaire, logit et modèles Tobit).

La difficulté centrale réside dans la dépendance du comportement asymptotique de l'estimateur vis-à-vis du paramètre de bande passante (localisation), $h_n$. L'inférence classique repose sur des conditions restrictives concernant la bande passante : spécifiquement, que $n h_n^d \to \infty$ (assurant suffisamment de paires pour la linéarité asymptotique) et que $n h_n^4 \to 0$ (assurant que le biais est négligeable). Sous ces conditions, l'estimateur est asymptotiquement linéaire et l'inférence par bootstrap non paramétrique standard est consistante. Cependant, dans la pratique, il est difficile de sélectionner une bande passante satisfaisant simultanément les deux conditions, en particulier lorsque la dimension $d$ du vecteur de covariables augmente. Les méthodes existantes échouent souvent à fournir une inférence valide lorsque la bande passante est trop petite (violant la condition de linéarité) ou trop grande (violant la condition de biais).

Méthodologie
Les auteurs développent un cadre d'inférence novateur qui combine trois idées théoriques distinctes pour atteindre une robustesse sur une plus large gamme de choix de bande passante :

1. Asymptotique de petite bande passante : En étendant le cadre de Cattaneo, Crump et Jansson (2014a), l'article dérive des approximations de distribution gaussienne pour l'estimateur sans imposer la condition $n h_n^d \to \infty$. Au lieu de cela, il établit la validité sous la condition plus faible $n^2 h_n^d \to \infty$. Cette approche prend en compte la variance supplémentaire induite par une forte localisation, résultant en un taux de convergence et une structure de variance dépendant explicitement du degré de localisation.
2. Correction du biais par jackknife généralisé : Pour traiter le biais lorsque $h_n$ est grand (violant $n h_n^4 \to 0$), les auteurs emploient une procédure de correction du biais basée sur le jackknife généralisé (Schucany et Sommers, 1977). Cela implique de construire une combinaison linéaire d'estimateurs calculés avec différentes bandes passantes. Crucialement, contrairement à l'utilisation de noyaux d'ordre supérieur (qui introduiraient des poids négatifs et détruiraient la convexité de la fonction objectif), le jackknife généralisé préserve la convexité de l'estimateur. Cela permet l'utilisation de bandes passantes plus larges tout en maintenant les avantages computationnels et théoriques de l'optimisation convexe.
3. Redimensionnement du bootstrap : L'article identifie que le bootstrap non paramétrique standard est incohérent sous l'asymptotique de petite bande passante car il échoue à capturer l'inflation de variance spécifique causée par la localisation. Les auteurs proposent une procédure de bootstrap corrigée où le paramètre de localisation utilisé dans le rééchantillonnage bootstrap est redimensionné par un facteur de $3^{1/d}$. Cet ajustement aligne la variance du bootstrap sur la vraie variance asymptotique, assurant la consistance même lorsque $n h_n^d$ est borné.

Contributions et résultats clés
L'article fournit une théorie de distribution complète et une méthode d'inférence pratique qui unifie ces trois composantes.

• Approximation gaussienne généralisée : Le théorème 1 établit que sous $n^2 h_n^d \to \infty$, l'estimateur converge vers une distribution gaussienne. La variance asymptotique inclut un terme reflétant l'incertitude de « petite bande passante », qui ne s'annule que si $n h_n^d \to \infty$. Ce résultat couvre trois régimes : linéarité asymptotique ($n h_n^d \to \infty$), consistance à la racine de $n$ sans linéarité ($n h_n^d \to c \in (0, \infty)$), et consistance plus lente que la racine de $n$ ($n h_n^d \to 0$ mais $n^2 h_n^d \to \infty$).
• Propriétés de l'estimateur corrigé du biais : Le théorème 2 étend l'approximation gaussienne à l'estimateur corrigé du biais. Il montre que, en combinant des estimateurs avec des bandes passantes $h_n, c_1 h_n, \dots, c_L h_n$ utilisant des poids spécifiques, on peut éliminer les termes de biais jusqu'à l'ordre $h_n^{2L+2}$. Cela permet une inférence valide avec des bandes passantes qui violent la condition standard $n h_n^4 \to 0$, à condition que $n h_n^{4(L+1)} \to 0$.
• Inférence par bootstrap valide : Le théorème 3 et le corollaire 1 démontrent que le bootstrap standard est incohérent sous l'asymptotique de petite bande passante en raison d'un décalage de variance. Cependant, en redimensionnant la bande passante dans l'étape bootstrap à $3^{1/d} h_n$, la méthode produit une approximation de distribution consistante.
• Couverture robuste : L'article compare quatre procédures d'inférence : (1) Classique, (2) Classique corrigée du biais, (3) Petite bande passante, et (4) Petite bande passante corrigée du biais. L'analyse théorique et les preuves de simulation (section 6) montrent que la combinaison de la correction du biais et du redimensionnement de la bande passante (Procédure 4) fournit les probabilités de couverture les plus robustes sur la plus large gamme de choix de bande passante. Elle atténue le conservatisme du bootstrap standard aux petites bandes passantes et la sous-couverture due au biais aux grandes bandes passantes.

Signification
L'article prétend offrir une méthode d'inférence « démontrablement plus robuste » pour les estimateurs convexes de différences paires par rapport aux approches existantes. Sa signification principale réside dans :

1. Assouplissement des restrictions de bande passante : Il élimine la nécessité de la condition restrictive $n h_n^d \to \infty$ pour une approximation gaussienne valide, permettant des niveaux de localisation plus élevés.
2. Préservation de la convexité : En utilisant le jackknife généralisé plutôt que des noyaux d'ordre supérieur, la méthode conserve la convexité de la fonction objectif, ce qui est essentiel pour un calcul rapide et des conditions de régularité plus faibles.
3. Robustesse pratique : La méthode proposée (combinant correction du biais et redimensionnement) garantit que les intervalles de confiance maintiennent des niveaux de couverture nominaux même lorsque le choix de la bande passante est incertain ou piloté par les données, un scénario courant dans le travail empirique.

Les auteurs notent que leur développement théorique repose fortement sur la convexité de la fonction objectif et sur les travaux fondateurs de Hjort et Pollard (1993) et Pollard (1991) appliqués aux processus-U. L'article conclut en suggérant des extensions futures vers des développements stochastiques d'ordre supérieur pour la sélection de bande passante, des estimateurs de variance consistants, et des estimateurs basés sur des régresseurs générés.