Résumé Technique : Estimation Directe et Efficace de Formes Bilinéaires dans les Panneaux Tensoriels Échelonnés

Formulation du Problème

Cet article traite de l'estimation de formes bilinéaires à partir de données tensorielles bruitées et partiellement observées dans le contexte de l'inférence causale. Le cadre implique un tenseur de signal $M \in \mathbb{R}^{N \times T \times K}$ suivant un modèle Tucker2 de rang $(r, r, K)$. Le signal est décomposé en $M = C \times_1 U \times_2 V \times_3 I_K$, où $U \in \mathbb{R}^{N \times r}$ et $V \in \mathbb{R}^{T \times r}$ sont des matrices de facteurs partagées entre toutes les couches (slices), et $C \in \mathbb{R}^{r \times r \times K}$ contient les tenseurs de cœur spécifiques à chaque couche.

Les données sont observées selon un schéma d'absence de données par adoption échelonnée (staggered adoption), courant dans les données de panel causales où les unités adoptent un traitement à des moments différents. Une fois traitée, une unité reste traitée pour toutes les périodes suivantes, créant un motif en « escalier » de résultats potentiels non traités manquants. Les auteurs se concentrent sur l'estimation de formes bilinéaires générales des blocs non observés (contrefactuels) :
$$\mu_{xy}^{(k)} = x^\top M_{\cdot,\cdot,k}^{(d)} y$$
où $x$ et $y$ sont des vecteurs unitaires, et $M_{\cdot,\cdot,k}^{(d)}$ représente le bloc inférieur droit non observé dans la $k$-ième couche. Cette cible inclut des estimands causaux tels que l'effet de traitement moyen (ATE), les contrefactuels individuels et les agrégats pondérés par les politiques.

Le défi principal est que la littérature existante se concentre largement sur la récupération complète de matrices/tenseurs (minimisant l'erreur de Frobenius ou par entrée) plutôt que sur l'estimation directe de fonctionnelles spécifiques. De plus, bien qu'il existe des méthodes tensorielles pour l'inférence causale, elles manquent souvent de garanties théoriques pour l'estimation directe de fonctionnelles sous des schémas de données manquantes non aléatoires (MNAR) structurés.

Méthodologie

1. Réduction à quatre blocs et algorithme spectral

Les auteurs analysent d'abord le schéma de données manquantes à quatre blocs, le bloc de construction fondamental des conceptions échelonnées. Dans ce cadre, chaque couche $j$ possède des blocs observés $a, b, c$ et un bloc manquant $d$.

Ils proposent l'Algorithme 1 (BilinearTensor4Block), un estimateur spectral qui cible directement la fonctionnelle sans reconstruire le tenseur complet. L'algorithme exploite les sous-espaces latents partagés ($U$ et $V$) à travers les couches :

1. Construction de matrices regroupées (Pooled Matrices) : Il construit deux matrices regroupées en empilant les blocs observés à travers toutes les $K$ couches :
   • $Y^p_{\text{left}}$ : Empile les blocs « gauches » observés (combinant les blocs $a$ et $c$) pour estimer le sous-espace de lignes partagé $U$.
   • $Y^p_{\text{up}}$ : Empile les blocs « supérieurs » observés (combinant les blocs $a$ et $b$) pour estimer le sous-espace de colonnes partagé $V$.
2. SVD et estimation de sous-espace : Il calcule les décompositions en valeurs singulières (SVD) tronquées de rang $r$ de ces matrices regroupées pour obtenir les estimateurs $\hat{U}_{\text{left}}$ et $\hat{V}_{\text{up}}$.
3. Estimation directe de la fonctionnelle : Au lieu d'imputer le bloc manquant, l'algorithme effectue une procédure de « régression puis débruitage ». Il utilise les sous-espaces estimés pour projeter le bloc observé $b$ vers le bloc manquant $d$ via un opérateur de régression spectrale, utilisant spécifiquement une inversion spectrale tronquée (clipped spectral inverse) pour stabiliser l'inversion de la matrice de Gram $\hat{U}_{1k}^\top \hat{U}_{1k}$.

2. Extension aux conceptions échelonnées générales

Pour les conceptions d'adoption échelonnée générales (Section 5), les auteurs proposent l'Algorithme 2 (BilinearTensorStaggered). Cette méthode réduit le complexe motif en escalier à un problème auxiliaire à quatre blocs en :

• Permutant les lignes pour s'aligner sur l'ordre d'adoption de la couche cible.
• Identifiant des ensembles d'ancres (lignes et colonnes entièrement observées) à travers toutes les couches qui correspondent au bloc manquant cible.
• Construisant des matrices regroupées auxiliaires en utilisant uniquement ces blocs d'ancres, isolant ainsi efficacement une structure à quatre blocs au sein du tenseur plus large.

Résultats Théoriques Clés

1. Bornes d'erreur non asymptotiques

L'article établit une borne d'erreur quadratique moyenne (MSE) non asymptotique pour l'estimateur proposé (Théorème 1). La borne révèle une transition de phase dépendant du nombre de couches $K$ :

• Régime de petit $K$ : L'erreur est dominée par les termes liés à l'estimation des facteurs partagés $U$ et $V$, qui évoluent en $O(\sigma^2 \rho^{-1})$.
• Régime de grand $K$ : À mesure que $K$ augmente, les termes d'erreur liés à l'estimation de $U$ et $V$ décroissent (s'améliorant grâce au regroupement), mais un terme d'erreur irréductible spécifique à la couche subsiste. Ce terme, évoluant en $O(\sigma^2 \min(N/N_{1k}, T/T_{1k}))$, reflète la difficulté d'estimer le cœur spécifique à la tranche $C_{\cdot,\cdot,k}$, qui ne peut être amélioré par le regroupement entre les couches.

2. Bornes inférieures minimax locales

Les auteurs dérivent des bornes inférieures minimax locales (Théorèmes 2 et 3) qui correspondent aux bornes supérieures à une constante près. Ces bornes confirment que la transition de phase est inhérente à la structure du problème :

• Le regroupement d'informations à travers les couches est nécessaire pour estimer efficacement les sous-espaces partagés.
• Cependant, une fois les sous-espaces partagés bien estimés, la précision de l'estimation de la fonctionnelle est limitée par le rapport signal sur bruit au sein du bloc manquant de la couche cible spécifique.

3. Efficacité Computationnelle

La méthode proposée est efficace sur le plan computationnel. Le coût dominant est la SVD de rang $r$ des matrices regroupées, avec une complexité de $O(NT_{1,p}r + N_{1,p}Tr)$. Crucialement, l'algorithme calcule directement la forme bilinéaire, évitant le coût $O(N_{1k}T_{2k}r)$ de la construction du bloc manquant complet. Pour des requêtes multiples, le coût est encore réduit par la mise en cache des SVD regroupées.

Signification et Contributions

L'article revendique les contributions suivantes :

1. Estimation directe de fonctionnelles : Il déplace l'attention de la récupération complète du tenseur vers l'estimation directe de fonctionnelles causales, ce qui est souvent l'objectif réel dans les applications. Cette approche s'avère statistiquement et computationnellement plus efficace pour ces cibles spécifiques.
2. Généralisation tensorielle : Il étend les méthodes spectrales pour la complétion de matrices MNAR (précédemment limitées à $K=1$ ou à l'inférence par entrée) au cadre tensoriel avec plusieurs couches ($K \ge 1$), accommodant plusieurs traitements ou résultats.
3. Caractérisation de la transition de phase : Il fournit une caractérisation théorique rigoureuse de la manière dont le regroupement à travers les couches améliore l'estimation, identifiant le point précis où le bénéfice du regroupement sature en raison de l'hétérogénéité spécifique aux tranches.
4. Robustesse au MNAR : La méthodologie est conçue spécifiquement pour les schémas MNAR structurés (adoption échelonnée), un cadre où les méthodes de complétion de matrices standards échouent souvent ou nécessitent des hypothèses plus fortes.

Validation Empirique

Les auteurs valident leur théorie via :

• Simulations : Démontrant la transition de phase dans les taux d'erreur à mesure que $K$ augmente et montrant que l'estimateur regroupé surpasse les estimateurs à couche unique (sans regroupement), particulièrement dans les régimes de faible rapport signal sur bruit (SNR).
• Applications Réelles :
  • Lois sur la doctrine de la légitime défense (Castle Doctrine) : Estimation de l'effet des lois de légitime défense sur les taux de criminalité à travers différents résultats (vol, agression, etc.), montrant que la méthode tensorielle réduit l'incertitude par rapport aux méthodes purement matricielles.
  • Politiques COVID-19 : Analyse de l'impact des mesures de confinement et du traçage des contacts sur les décès et les cas, soulignant la capacité de la méthode à exploiter les informations provenant de politiques connexes (différentes tranches) pour améliorer l'estimation dans les couches de données peu denses.

L'article conclut que si la récupération complète du tenseur est précieuse, l'estimation directe des formes bilinéaires offre un meilleur compromis entre efficacité statistique et coût computationnel pour les tâches d'inférence causale impliquant des données manquantes structurées.