Sintesi Tecnica: Previsione Controfattuale per Dati Panel

Problematica

Il documento affronta la sfida della previsione di esiti controfattuali in contesti di dati panel caratterizzati da voci mancanti e fattori latenti temporalmente dipendenti. Questo scenario è comune nell'inferenza causale, in particolare quando il processo decisionale prospettico richiede la stima di potenziali esiti non osservati (ad esempio, cosa accadrebbe a un'unità sotto un trattamento non ancora assegnato) in anticipo.

I metodi esistenti per l'inferenza causale, come i Controllo Sintetici (Synthetic Controls), il Differenza nelle Differenze (Difference-in-Differences) e la Completamento di Matrici (Matrix Completion), si basano tipicamente su assunzioni di basso rango per modellare la variazione condivisa tra unità e tempo. Tuttavia, questi approcci spesso trattano i fattori latenti come statici o i.i.d., fallendo nel sfruttare le dinamiche temporali (ad esempio, strutture autoregressive) intrinseche in molti processi del mondo reale. Inoltre, molti metodi di previsione esistenti assumono una mancanza di dati limitata o richiedono panel pre-trattamento completamente osservati, rendendoli inadatti alla stima controfattuale dove gran parte della matrice dei dati è, per design, non osservata.

Metodologia: FOCUS

Gli autori propongono FOCUS (FOrecasting Counterfactuals Under Stochastic dynamics), un metodo progettato per estendere il tradizionale completamento di matrici incorporando le dinamiche delle serie temporali dei fattori latenti.

Algoritmo Core

FOCUS opera in due fasi principali:

1. Stima dei Fattori: Il metodo restringe il panel osservato sotto una specifica condizione di trattamento (o controllo), trattando le voci non osservate come mancanti. Utilizza un algoritmo di Analisi delle Componenti Principali (PCA) (specificamente lo stimatore consistente di Xiong & Pelger, 2023) per stimare i fattori latenti ($\hat{F}_t$) e i carichi ($\hat{\Lambda}_i$) dai dati parzialmente osservati. Questa fase accoglie pattern di osservazione generali, inclusi i casi di mancanza di dati completamente casuale (MCAR) e i design di adozione scalata (staggered adoption).
2. Previsione Dinamica: Una volta stimati i fattori, FOCUS adatta un modello di serie temporali (specificamente un modello Vector Autoregressive di ordine 1, VAR(1)) ai fattori stimati $\{\hat{F}_t\}$. La matrice dei coefficienti $\hat{A}$ è stimata tramite Minimi Quadrati Ordinari (OLS). La previsione per l'esito potenziale medio all'orizzonte $h$ per l'unità $i$ è poi costruita come uno stimatore plug-in:
   $$\hat{\theta}_{i, T:T+h} = \hat{\Lambda}_i^\top \hat{A}^h \hat{F}_T$$
   Questo approccio combina efficacementamente le tecniche di smoothing/filtraggio delle serie temporali con il completamento di matrici.

Framework Teorico

Il documento stabilisce garanzie teoriche sotto standard condizioni di regolarità:

• Modello di Fattore: I fattori latenti seguono un processo stazionario VAR(1) ($F_t = A F_{t-1} + \eta_t$) con $\rho(A) < 1$.
• Rumore e Carichi: Si assume che il rumore idiosincratico e i carichi dei fattori siano indipendenti con momenti limitati.
• Meccanismo di Osservazione: La matrice di osservazione $W$ è indipendente dai fattori e dal rumore, con condizioni che garantiscono una sovrapposzione sufficiente (ad esempio, $|Q_{s,t}| \geq Nq$).

Risultati Teorici Chiave:

• Limiti di Errore: Gli autori derivano un limite di errore per lo stimatore di previsione $\hat{\theta}_{i, T:T+h}$, mostrando che converge a una velocità di $O_P(\delta_{NT}^{-1})$ più un termine dipendente dall'orizzonte di previsione $h$ e dal raggio spettrale di $A$.
• Normalità Asintotica: Sotto ulteriori condizioni di regolarità sul pattern di osservazione, lo stimatore è mostrato essere $\min\{\sqrt{N}, \sqrt{T}\}$-consistente e asintoticamente normale.
• Intervalli di Confidenza: Il documento fornisce un framework per la costruzione di intervalli di confidenza asintoticamente validi per le previsioni controfattuali stimando la varianza asintotica, che comprende componenti derivanti dall'incertezza della stima dei fattori e dall'incertezza della previsione.

Contributi Chiave

1. Prima Previsione Out-of-Sample Entry-by-Entry: Per quanto ne sappiano gli autori, FOCUS è il primo lavoro ad affrontare la previsione out-of-sample entry-by-entry di controfattuali in presenza di dati mancanti e dinamiche di fattori stocastici.
2. Integrazione di Dinamiche e Dati Mancanti: A differenza dei precedenti metodi di completamento di matrici che ignorano le dinamiche temporali o dei modelli di fattori dinamici che assumono una mancanza di dati limitata, FOCUS gestisce esplicitamente un ampio intervallo di pattern di osservazione pur sfruttando le dipendenze temporali stocastiche (ad esempio, componenti autoregressive).
3. Estensione Teorica: Il lavoro estende i risultati teorici di Xiong & Pelger (2023) dai fattori latenti i.i.d. ai fattori temporalmente dipendenti, verificando che i processi di fattori dipendenti soddisfano le assunzioni generali del Teorema del Limite Centrale (CLT).
4. Scalabilità: L'algoritmo è computazionalmente efficiente, con un tempo di esecuzione che scala favorevolmente all'aumentare della dimensione temporale $T$, rendendolo adatto a contesti con grandi valori di $T$.

Risultati Empirici

Gli autori valutano FOCUS rispetto a due benchmark: mSSA (Multivariate Singular Spectrum Analysis) e SyNBEATS (un metodo di controllo sintetico basato su reti neurali).

• Studi di Simulazione: In quattro processi generatori di dati (DGP) che coinvolgono processi AR(1), ARMA e VARMA con vari pattern di osservazione (MCAR, adozione simultanea), FOCUS ottiene costantemente un Mean Squared Forecast Error (MSFE) inferiore rispetto a entrambi i benchmark. In particolare, FOCUS dimostra tassi di decadimento dell'errore più rapidi all'aumentare di $T$. Supera inoltre i benchmark in caso di misspecificazione del modello (ad esempio, quando i veri fattori seguono processi ARMA ma il modello assume un VAR(1)).
• Efficienza Computazionale: FOCUS è più veloce di mSSA e sostanzialmente più veloce di SyNBEATS.
• Applicazione nel Mondo Reale (HeartSteps): Il metodo è applicato allo studio di salute mobile HeartSteps V1, che coinvolge 37 utenti che ricevono prompt per camminare. Lo studio evidenzia che il conteggio dei passi presenta correlazioni negative tra slot decisionali consecutivi. Catturando questi pattern temporali nei fattori latenti, FOCUS fornisce previsioni più accurate dei passi futuri sotto intervento rispetto a mSSA, con un divario di performance che si amplia all'aumentare dell'orizzonte di addestramento $T$.

Significato e Rivendicazioni

Il documento afferma che FOCUS fornisce un framework scalabile e teoricamente fondato per la valutazione controfattuale prospettica. Il suo significato primario risiede nel colmare il divario tra l'inferenza causale (gestione dei controfattuali mancanti) e la previsione di serie temporali (gestione delle dinamiche temporali).

Gli autori sottolineano che, mentre molti metodi esistenti si concentrano sulla stima post-trattamento o assumono dati pre-trattamento completamente osservati, FOCUS è unicamente equipaggiato per prevedere esiti futuri sotto interventi ipotetici quando i dati sono incompleti. Il metodo è particolarmente efficace quando i fattori latenti presentano dinamiche autoregressive, una caratteristica comune nei dati comportamentali ed economici. Il documento conclude notando i limiti, come la dipendenza dalla stazionarietà, e suggerisce direzioni future che includano setting non stazionari (ad esempio, modelli state-space) e stimatori doppiamente robusti.