Beta Regression with Autoregressive Errors for Interrupted Time Series Analysis of Proportion and Rate Outcomes: A Simulation Study

Sintesi Tecnica: Regressione Beta con Errori Autoregressivi per l'Analisi di Serie Temporali Interrotte

Definizione del Problema
L'analisi delle serie temporali interrotte (ITSA) è un disegno standard per valutare gli interventi nella ricerca sanitaria e politica. Tuttavia, quando gli esiti sono proporzioni o tassi limitati all'interno dell'intervallo unitario (0, 1), gli approcci analitici standard affrontano due distinte forme di errata specificazione del modello:

1. Supporto Limitato: L'ordinaria Minimi Quadrati (OLS) assume una media condizionale non limitata e a varianza costante. Applicare l'OLS a dati limitati può produrre valori stimati al di fuori dell'intervallo ammissibile (0, 1) e ignora la intrinseca relazione media-varianza in cui la varianza si contrae vicino ai confini. Sebbene la regressione Beta affronti questo problema modellando la media condizionale su una scala logit e un parametro di precisione, essa tipicamente assume osservazioni indipendenti.
2. Errori Autocorrelati: I dati delle serie temporali mostrano frequentemente dipendenza seriale. Ignorare le strutture di errore autoregressivo (AR) porta a errori standard distorti, tassi di errore di Tipo I gonfiati e intervalli di confidenza inaffidabili. Il rimedio standard per esiti continui — l'uso di OLS con errori standard corretti per eteroschedasticità e autocorrelazione (HAC) (es. Newey–West) — è spesso applicato a esiti limitati tramite modelli lineari generalizzati (GLM) quasi-binomiali. Tuttavia, questo approccio in due fasi (adattamento di un modello di media seguito dalla correzione della varianza post-stima) non modella congiuntamente la densità condizionale limitata e la struttura dell'errore autoregressivo.

Nessun estimatore esistente affronta simultaneamente la natura limitata dell'esito e la struttura dell'errore autoregressivo all'interno di un unico framework di verosimiglianza.

Metodologia
Lo studio introduce betark, un'implementazione in Stata di un estimatore di massima verosimiglianza condizionale congiunta per la regressione Beta con errori AR($k$). La metodologia si basa sull'approccio di sostituzione ricorsiva (Rocha e Cribari-Neto; esteso da Ferreira et al.), che produce una verosimiglianza Beta condizionale in forma chiusa per un processo autoregressivo di ordine $k$ arbitrario.

• Specificazione del Modello: La media condizionale $\mu_t$ è collegata alle covariate tramite una funzione logit, $g(\mu_t) = x'_t\beta$. Il termine di disturbo $\xi_t = g(\mu_t) - x'_t\beta$ segue un processo AR($k$): $\xi_t = \sum_{i=1}^k \rho_i [g(y_{t-i}) - x'_{t-i}\beta] + r_t$. Fondamentalmente, il feedback autoregressivo è costruito a partire da esiti ritardati realizzati e trasformati tramite link, piuttosto che da errori latenti, rispettando il supporto limitato di $y_t$.
• Stima: Il modello è stimato massimizzando la verosimiglianza logaritmica condizionale congiunta rispetto ai coefficienti della media ($\beta$), ai parametri di precisione ($\delta$) e ai coefficienti autoregressivi ($\rho$) simultaneamente. Questa stima congiunta assicura che la matrice di covarianza risultante rifletta intrinsecamente la struttura dell'autocorrelazione, eliminando la necessità di separati correzioni sandwich o in due fasi.
• Comparatore: Lo studio valuta betark rispetto allo standard alternativo attuale: un GLM quasi-binomiale con link logit, accoppiato con errori standard HAC Newey–West (implementato in Stata come glm con vce(hac nwest #)). Questo comparatore stima prima il modello di media e applica una correzione della varianza non parametrica post-stima.

Design della Simulazione
Uno studio di simulazione Monte Carlo è stato condotto per valutare le proprietà in campioni finiti attraverso:

• Design: ITSA a gruppo singolo con un singolo punto di intervento.
• Parametri: Tre lunghezze di serie ($T \in \{100, 200, 400\}$), tre ordini AR ($k \in \{1, 2, 3\}$) e tre scenari di autocorrelazione (positiva lieve, oscillante, alta persistenza).
• Esiti: Bias, rapporto degli errori standard, copertura dell'intervallo di confidenza al 95%, errore di Tipo I e potenza statistica.
• Sensibilità: Le analisi hanno esaminato la misspecificazione dell'ordine AR (differente di un lag) e variazioni nella media iniziale e nei trend pre-intervento.

Risultati Chiave

1. Bias: Sia betark che l'estimatore GLM+HAC sono stati essenzialmente non distorti in tutti gli scenari. Le differenze nelle prestazioni inferenziali sono state guidate interamente dalla stima della varianza, non dalla stima del punto.
2. Errore di Tipo I e Copertura:
   • Sotto autocorrelazione positiva lieve e oscillante, entrambi i metodi hanno performato ragionevolmente, sebbene l'estimatore GLM+HAC tendesse a essere eccessivamente conservativo (intervalli più ampi) negli scenari oscillanti.
   • Sotto autocorrelazione ad alta persistenza, l'estimatore GLM+HAC ha subito una grave inflazione dell'errore di Tipo I (superando il 60% in serie brevi con processi AR(3)) e una scarsa copertura.
   • betark ha fornito un'inferenza meglio calibrata nella maggior parte degli scenari. Sebbene anche betark abbia mostrato un errore di Tipo I elevato sotto processi AR(3) ad alta persistenza, l'inflazione è stata costantemente e sostanzialmente inferiore rispetto al comparatore GLM+HAC (es. 43.0% vs 65.4% per AR(3) a $T=100$).
3. Calibrazione dell'Errore Standard: I rapporti degli errori standard di betark erano più vicini al valore ideale di 1.0. L'estimatore GLM+HAC ha sistematicamente sottostimato gli errori standard (rapporti fino a 0.22) sotto alta persistenza, portando alla osservata inflazione della potenza e dell'errore di Tipo I.
4. Robustezza: La misspecificazione dell'ordine AR di un singolo lag ha avuto solo un effetto modesto sulle prestazioni di betark (differenza di 1–2 punti percentuali nella copertura), suggerendo che il metodo è robusto a una moderata incertezza dell'ordine di lag. Le analisi di sensibilità hanno confermato che i risultati rimanevano validi al variare della media iniziale e dei trend pre-intervento.

Significatività e Rivendicazioni
L'articolo sostiene di fornire la prima valutazione sistematica delle proprietà inferenziali in campioni finiti di un modello Beta-AR($k$) a massima verosimiglianza condizionale congiunta per l'ITSA. Il contributo primario è la dimostrazione che betark offre un'inferenza meglio calibrata rispetto al GLM quasi-binomiale con errori HAC Newey–West, particolarmente in condizioni di alta persistenza e autoregressione di ordine superiore dove le conseguenze della scelta dell'estimatore sono più gravi.

Gli autori sottolineano che il "vantaggio di potenza" dell'estimatore GLM+HAC in scenari ad alta persistenza è un artefatto di errori standard anticonservativi (inflazione dell'errore di Tipo I) piuttosto che di una genuina efficienza statistica. Sebbene betark rappresenti un miglioramento significativo, lo studio riconosce con modestia che anche betark non risolve completamente la sfida inferenziale nelle condizioni più impegnative (AR(3) alta persistenza) con campioni di dimensioni moderate ($T=400$), dove l'errore di Tipo I rimane elevato. L'articolo conclude che i ricercatori che analizzano esiti limitati con sospetta alta dipendenza seriale dovrebbero caratterizzare la struttura dell'autocorrelazione ed esercitare cautela, notando che betark è preferibile ma non una soluzione completa per tutti gli scenari estremi.