Testing for Endogeneity: A Moment-Based Bayesian Approach

Questo articolo propone un test Bayesiano basato su un fattore di Bayes e sulla verosimiglianza empirica esponenzialmente inclinata per verificare l'endogeneità nei modelli di regressione lineare, dimostrandone la consistenza asintotica e applicandolo a casi reali come la domanda di automobili e il volume dei passeggeri aerei.

L'essenziale

Il Detective dei Dati: Come capire se la causa è davvero una causa

Immagina di essere un detective che deve risolvere un caso: "Se aumento il prezzo delle auto, le persone ne comprano meno?" (o viceversa: "Se le persone comprano meno auto, il prezzo scende?").

In statistica, questo è un problema classico. Spesso pensiamo che A causi B, ma in realtà potrebbe essere che B causi A, o che una terza cosa invisibile (come il "potere d'acquisto" o il "gusto del momento") stia influenzando sia A che B. In termini tecnici, questo si chiama endogeneità. È come se ci fosse un "colpevole" nascosto che rovinava le prove.

Il problema è che la maggior parte dei metodi statistici tradizionali (quelli "Bayesiani" usati finora) assume che i dati siano "puliti" e che non ci siano questi colpevoli nascosti. Se assumi che tutto sia pulito quando invece è sporco, le tue conclusioni saranno sbagliate.

Questo paper propone un nuovo metodo per testare se i dati sono "sporchi" (endogeni) o "puliti" (esogeni) prima di trarre conclusioni.

L'Analogia: La Bilancia e i Due Contendenti

Immagina di dover scegliere tra due teorie per spiegare un fenomeno. Per farlo, usiamo una bilancia magica chiamata Fattore di Bayes.

1. Il Modello Base (L'Ipotesi Semplice):

   • L'idea: "Tutto è semplice. Non ci sono colpevoli nascosti. Se cambio il prezzo, cambia la domanda, punto."
   • Il rischio: Se c'è un colpevole nascosto (endogeneità), questo modello è come un detective che ignora le prove: è sbagliato (misspecificato).

2. Il Modello Esteso (L'Ipotesi Completa):

   • L'idea: "Aspetta, forse c'è un colpevole nascosto. Lasciami controllare se c'è una correlazione segreta tra il prezzo e l'errore."
   • Il vantaggio: Questo modello è più flessibile. Se non c'è nessun colpevole, funziona comunque. Se c'è un colpevole, lo cattura ed è corretto.

La Nuova Tecnica: La "Bilancia" dei Dati (ETEL)

Gli autori usano una tecnica chiamata Exponentially Tilted Empirical Likelihood (ETEL).
Immagina di avere un mucchio di dati grezzi (come pietre di diverse forme).

• Il metodo tradizionale cerca di forzare queste pietre in una scatola rigida (un modello fisso). Se le pietre non entrano, il modello si rompe o dà risultati strani.
• Il metodo ETEL è come avere una scatola di gomma intelligente. Puoi deformare la scatola per farci entrare le pietre, ma devi pagare un "costo" (una penalità) per ogni deformazione.

Il trucco del paper è questo:

• Se i dati sono puliti (nessun colpevole), la scatola rigida (Modello Base) entra perfettamente senza deformazioni. La bilancia la preferisce perché è più semplice (principio del rasoio di Occam).
• Se i dati sono sporchi (c'è un colpevole), la scatola rigida non entra. Devi usare la scatola di gomma deformata (Modello Esteso). Anche se costa di più (più parametri), è l'unica che funziona. La bilancia sceglierà questa.

Cosa hanno scoperto gli autori?

1. Un Test Infallibile (su grandi campioni): Hanno dimostrato matematicamente che, se hai abbastanza dati, il loro metodo non sbaglia mai.

   • Se la causa è reale (esogeneità), sceglierà sempre il modello semplice.
   • Se c'è un inganno (endogeneità), sceglierà sempre il modello complesso che lo risolve.
   • È come avere un metal detector che, se c'è oro, suona sempre, e se non c'è, rimane sempre in silenzio.

2. Nessuna Assunzione "Magica": I metodi vecchi spesso dicono: "Assumiamo che i dati seguano una campana di Gauss (distribuzione normale)". Se i dati non sono a campana, il metodo fallisce.
   Questo nuovo metodo non ha bisogno di assumere la forma dei dati. Funziona anche se i dati sono strani, distorti o caotici. Si basa solo su "momenti" (medie e correlazioni), che sono più robusti.

3. La "Penalità" Nascosta: Il metodo ha un meccanismo automatico che punisce i modelli troppo complessi se non sono necessari. È come dire: "Se il modello semplice funziona, non ti lascio usare quello complicato, anche se puoi farlo". Questo evita di inventare problemi che non esistono.

Gli Esempi Reali

Gli autori hanno testato il loro metodo su due casi famosi:

1. Il mercato delle auto: Hanno chiesto: "Il prezzo delle auto è influenzato da fattori nascosti che influenzano anche la domanda?" Risultato: Sì. Il prezzo è endogeno. Se avessero usato il modello semplice, avrebbero sbagliato a calcolare quanto le persone sono sensibili al prezzo.
2. I biglietti aerei: Hanno chiesto: "Il prezzo dei biglietti influenza il numero di passeggeri, o è il contrario?" Risultato: In questo caso specifico, il prezzo sembrava essere esogeno (non c'era un inganno nascosto).

In Sintesi

Questo paper è come un nuovo kit di strumenti per i detective dei dati.
Prima, se avevi il sospetto che i tuoi dati fossero "sporchi" (endogeni), dovevi fare supposizioni rischiose o usare test statistici che non si integravano bene con l'approccio moderno (Bayesiano).
Ora, con questo metodo:

• Puoi testare se c'è un inganno.
• Se c'è, il metodo ti dice come correggere il tiro.
• Se non c'è, ti dice di restare semplici.
• Tutto questo senza dover indovinare la forma matematica dei tuoi dati.

È un passo avanti enorme per chi vuole capire le relazioni di causa-effetto nel mondo reale, dall'economia alla medicina, senza farsi ingannare da dati ingannevoli.

Sommario tecnico

Ecco una sintesi tecnica dettagliata del documento "Testing for Endogeneity: A Moment-Based Bayesian Approach" di Chib, Shin e Simoni, redatta in italiano.

1. Il Problema

Nell'analisi di regressione lineare bayesiana, un'assunzione standard è che i regressori siano esogeni, ovvero non correlati con il termine di errore del modello. Tuttavia, in molte applicazioni empiriche (ad esempio, nell'economia della domanda o nei mercati finanziari), questa assunzione è spesso invalida a causa dell'endogeneità (correlazione tra regressori ed errori).
Il problema centrale affrontato è la verifica dell'endogeneità in un contesto bayesiano. Mentre i metodi frequentisti (come il test di Durbin-Wu-Hausman) sono ben consolidati, non esiste un approccio bayesiano naturale e coerente per confrontare modelli con e senza endogeneità, specialmente quando si evitano assunzioni distribuzionali forti sui termini di errore.

2. Metodologia

Gli autori propongono un approccio basato su momenti all'interno di un quadro bayesiano, utilizzando la Likelihood Empirica Esponenzialmente Inclinata (ETEL - Exponentially Tilted Empirical Likelihood).

A. Struttura dei Modelli

Vengono definiti due modelli concorrenti:

1. Modello Base ($M_b$): Impone le condizioni di momento standard che includono l'esogeneità.

   • $E[\varepsilon(\theta)x] = 0$ (esogeneità di $x$)
   • $E[\varepsilon(\theta)z_1] = 0$ (controlli esogeni)
   • $E[\varepsilon(\theta)z_2] = 0$ (strumenti validi)
   • Nota: Se $x$ è endogeno, questo modello è specificato erroneamente (misspecification).

2. Modello Esteso ($M_e$): Rilassa l'assunzione di esogeneità parametrizzando esplicitamente la correlazione tra l'errore e il regressore endogeno.

   • $E[\varepsilon(\theta)x] = v$, dove $v$ è un parametro vettoriale che cattura la covarianza tra errore e $x$.
   • Questo modello è correttamente specificato sia nel caso di esogeneità ($v=0$) che di endogeneità ($v \neq 0$).

B. Inferenza Bayesiana con ETEL

Invece di assumere una distribuzione parametrica per gli errori, gli autori utilizzano l'ETEL per costruire la verosimiglianza.

• La verosimiglianza ETEL è ottenuta massimizzando l'entropia (o minimizzando la divergenza KL) rispetto alla distribuzione empirica, soggetta ai vincoli di momento.
• L'inferenza avviene calcolando la verosimiglianza marginale (o evidenza) per entrambi i modelli.
• Il test di endogeneità si basa sul Fattore di Bayes ($BF_{eb}$), definito come il rapporto tra le verosimiglianze marginali del modello esteso e del modello base.

C. Asintotica e Coerenza

Il cuore teorico del lavoro risiede nell'analisi asintotica del log-verosimiglianza marginale. Gli autori dimostrano che:

• Il log-verosimiglianza marginale si decompone in tre parti: il log-ETEL, il log-prior, e un termine legato alla densità posteriore.
• Attraverso una trasformazione di variabili locali ($h = \sqrt{n}(\theta - \theta^*)$), emerge un termine di penalità proporzionale al numero di parametri (simile al BIC - Bayesian Information Criterion).
• Caso Esogeno: Se $x$ è esogeno, i termini principali (log-ETEL) dei due modelli sono asintoticamente uguali. Il modello base viene scelto perché ha meno parametri (penalità inferiore).
• Caso Endogeno: Se $x$ è endogeno, il modello base è specificato erroneamente. Il termine log-ETEL del modello base diverge verso $-\infty$ più rapidamente rispetto alla penalità, rendendo il modello esteso nettamente preferibile.

3. Contributi Chiave

Rispetto alla letteratura esistente (in particolare Chib et al., 2018), questo lavoro apporta diversi contributi fondamentali:

1. Costruzione Esplicita dei Modelli: Fornisce una procedura specifica per costruire i modelli necessari a testare l'endogeneità, un aspetto non trattato in dettaglio nelle opere precedenti.
2. Assunzione di Esistenza ETEL: Introduce un'assunzione tecnica (Assunzione 1) che garantisce l'esistenza della funzione ETEL in un intorno del vero parametro, risolvendo problemi di insiemi ammissibili vuoti che affliggono sia gli approcci frequentisti che bayesiani.
3. Dimostrazione Diretta dell'Equivalenza Quadratica: Fornisce una prova più diretta e meno complessa dell'equivalenza asintotica della funzione ETEL a una funzione quadratica, sfruttando la linearità della regressione IV. Questo permette di stabilire un teorema di Bernstein-von Mises e di dimostrare la coerenza del test.
4. Rappresentazione Asintotica della Verosimiglianza Marginale: Deriva una nuova rappresentazione asintotica che chiarisce come la penalità emerga endogenamente dalla concentrazione della posterior (tramite il Jacobiano della trasformazione locale), rendendo il criterio di selezione del modello coerente con la minimizzazione della Divergenza di Kullback-Leibler (KL).

4. Risultati Principali

• Coerenza del Test: Viene dimostrato che il fattore di Bayes è coerente: all'aumentare del campione, seleziona il modello base se e solo se i regressori sono esogeni, e il modello esteso se e solo se sono endogeni, con probabilità che tende a 1.
• Simulazioni Monte Carlo: Gli esperimenti mostrano che il test ha un buon potere di discriminazione anche in campioni di dimensioni moderate e riesce a identificare correttamente l'endogeneità anche quando la correlazione tra errore e regressore è debole.
• Applicazioni Empiriche:
  1. Domanda di Automobili (Modello BLP): Analisi dell'effetto del prezzo sulla domanda di automobili. Il test conferma l'endogeneità del prezzo e mostra che, tenendone conto, l'elasticità della domanda al prezzo è maggiore (in valore assoluto) rispetto alle stime che ignorano l'endogeneità. L'uso di controlli non lineari (splines) migliora ulteriormente il modello.
  2. Traffico Aereo: Analisi dell'effetto delle tariffe aeree sul volume di passeggeri con dati longitudinali clusterizzati. Il test suggerisce che in questo specifico dataset le tariffe possono essere considerate esogene, portando a stime diverse rispetto al caso endogeno.

5. Significato e Implicazioni

Questo lavoro è significativo perché:

• Colma un vuoto metodologico: Offre un metodo rigoroso per testare l'endogeneità in un framework puramente bayesiano, senza richiedere assunzioni distribuzionali parametriche sugli errori.
• Robustezza: L'uso dell'ETEL rende il metodo robusto alla specificazione errata della distribuzione congiunta dei dati.
• Interpretabilità: Il fattore di Bayes fornisce una misura continua della forza dell'evidenza a favore dell'endogeneità, superando le regole rigide di "accetta/rifiuta" dei test frequentisti.
• Generalizzabilità: La metodologia può essere estesa a scenari con più regressori potenzialmente endogeni e a diverse specificazioni funzionali (lineare vs non lineare), permettendo una selezione del modello unificata che considera simultaneamente forma funzionale e status di endogeneità.

In sintesi, gli autori forniscono un quadro teorico solido e strumenti pratici per affrontare uno dei problemi più comuni nell'econometria causale, integrando la flessibilità dei metodi bayesiani con la robustezza dei metodi basati sui momenti.