Resumo Técnico: Previsão Contrafactual para Dados em Painel

Declaração do Problema

O artigo aborda o desafio de prever resultados contrafactuais em configurações de dados em painel caracterizadas por entradas ausentes e fatores latentes temporalmente dependentes. Este cenário é prevalente na inferência causal, particularmente quando a tomada de decisão prospectiva requer a estimativa de potenciais resultados não observados (por exemplo, o que aconteceria com uma unidade sob um tratamento ainda não atribuído) antecipadamente.

Métodos existentes para inferência causal, como Controle Sintético, Diferença-em-Diferenças e Completagem de Matriz, tipicamente dependem de suposições de baixo posto (low-rank) para modelar a variação compartilhada entre unidades e tempo. No entanto, essas abordagens frequentemente tratam os fatores latentes como estáticos ou i.i.d., falhando em explorar a dinâmica temporal (por exemplo, estruturas autorregressivas) inerente a muitos processos do mundo real. Além disso, muitos métodos de previsão existentes assumem uma ausência limitada de dados ou exigem painéis pré-tratamento totalmente observados, tornando-os inadequados para a estimativa contrafactual, onde grandes partes da matriz de dados são não observadas por design.

Metodologia: FOCUS

Os autores propõem o FOCUS (FOrecasting Counterfactuals Under Stochastic dynamics), um método projetado para estender a completagem de matriz tradicional ao incorporar a dinâmica de séries temporais dos fatores latentes.

Algoritmo Central

O FOCUS opera em duas etapas primárias:

1. Estimativa de Fatores: O método restringe o painel observado sob uma condição específica de tratamento (ou controle), tratando as entradas não observadas como ausentes. Ele emprega um algoritmo de Análise de Componentes Principais (PCA) (especificamente o estimador consistente de Xiong & Pelger, 2023) para estimar os fatores latentes ($\hat{F}_t$) e as cargas ($\hat{\Lambda}_i$) a partir dos dados parcialmente observados. Esta etapa acomoda padrões de observação gerais, incluindo dados ausentes completamente ao acaso (MCAR) e designs de adoção escalonada.
2. Previsão Dinâmica: Uma vez que os fatores são estimados, o FOCUS ajusta um modelo de série temporal (especificamente um modelo de Vetores Autorregressivos de ordem 1, VAR(1)) aos fatores estimados $\{\hat{F}_t\}$. A matriz de coeficientes $\hat{A}$ é estimada via Mínimos Quadrados Ordinários (OLS). A previsão para o resultado potencial médio no horizonte $h$ para a unidade $i$ é então construída como um estimador de substituição (plug-in):
   $$\hat{\theta}_{i, T:T+h} = \hat{\Lambda}_i^\top \hat{A}^h \hat{F}_T$$
   Esta abordagem combina efetivamente técnicas de suavização/filtragem de séries temporais com a completagem de matriz.

Estrutura Teórica

O artigo estabelece garantias teóricas sob condições de regularidade padrão:

• Modelo de Fator: Os fatores latentes seguem um processo VAR(1) estacionário ($F_t = A F_{t-1} + \eta_t$) com $\rho(A) < 1$.
• Ruído e Cargas: Assume-se que o ruído idiossincrático e as cargas dos fatores sejam independentes com momentos limitados.
• Mecanismo de Observação: A matriz de observação $W$ é independente dos fatores e do ruído, com condições que garantem sobreposição suficiente (ex: $|Q_{s,t}| \geq Nq$).

Principais Resultados Teóricos:

• Limites de Erro: Os autores derivam um limite de erro para o estimador de previsão $\hat{\theta}_{i, T:T+h}$, mostrando que ele converge a uma taxa de $O_P(\delta_{NT}^{-1})$ mais um termo dependente do horizonte de previsão $h$ e do raio espectral de $A$.
• Normalidade Assintótica: Sob condições de regularidade adicionais no padrão de observação, o estimador mostra-se $\min\{\sqrt{N}, \sqrt{T}\}$-consistente e assintoticamente normal.
• Intervalos de Confiança: O artigo fornece um framework para construir intervalos de confiança assintoticamente válidos para as previsões contrafactuais, estimando a variância assintótica, que compreende componentes da incerteza de estimativa de fator e da incerteza de previsão.

Principais Contribuições

1. Primeira Previsão Fora da Amostra Entrada-por-Entrada: Tanto quanto os autores saibam, o FOCUS é o primeiro trabalho a abordar a previsão entrada-por-entrada de contrafactuais fora da amostra na presença de dados ausentes e dinâmica de fatores estocásticos.
2. Integração de Dinâmica e Dados Ausentes: Ao contrário dos métodos anteriores de completagem de matriz que ignoram a dinâmica temporal ou modelos de fatores dinâmicos que assumem ausência limitada de dados, o FOCUS lida explicitamente com amplas faixas de padrões de observação enquanto aproveita as dependências temporais estocásticas (ex: componentes autorregressivos).
3. Extensão Teórica: O trabalho estende os resultados teóricos de Xiong & Pelger (2023) de fatores latentes i.i.d. para fatores temporalmente dependentes, verificando que processos de fatores dependentes satisfazem as suposições gerais do Teorema do Limite Central (CLT).
4. Escalabilidade: O algoritmo é computacionalmente eficiente, com o tempo de execução escalando favoravelmente conforme a dimensão temporal $T$ aumenta, tornando-o adequado para cenários de grande $T$.

Resultados Empíricos

Os autores avaliam o FOCUS contra dois benchmarks: mSSA (Análise de Espectro Singular Multivariada) e SyNBEATS (um método de controle sintético baseado em redes neurais).

• Estudos de Simulação: Em quatro processos geradores de dados (DGPs) envolvendo processos AR(1), ARMA e VARMA com vários padrões de observação (MCAR, adoção simultânea), o FOCUS alcança consistentemente um Erro Quadrático Médio de Previsão (MSFE) menor do que ambos os benchmarks. Notavelmente, o FOCUS demonstra taxas de decaimento de erro mais rápidas conforme $T$ aumenta. Ele também supera os benchmarks sob erro de especificação do modelo (por exemplo, quando os fatores reais seguem processos ARMA, mas o modelo assume VAR(1)).
• Eficiência Computacional: O FOCUS roda mais rápido que o mSSA e substancialmente mais rápido que o SyNBEATS.
• Aplicação no Mundo Real (HeartSteps): O método é aplicado ao estudo de saúde móvel HeartSteps V1, que envolve 37 usuários recebendo estímulos de caminhada. O estudo destaca que as contagens de passos exibem correlações negativas entre slots de decisão consecutivos. Ao capturar esses padrões temporais nos fatores latentes, o FOCUS fornece previsões mais precisas de passos futuros sob intervenção em comparação com o mSSA, com a lacuna de desempenho aumentando conforme o horizonte de treinamento $T$ aumenta.

Significância e Alegações

O artigo afirma que o FOCUS fornece um framework escalável e teoricamente fundamentado para avaliação contrafactual prospectiva. Sua principal significância reside em unir a lacuna entre a inferência causal (lidar com contrafactuais ausentes) e a previsão de séries temporais (lidar com a dinâmica temporal).

Os autores enfatizam que, enquanto muitos métodos existentes focam na estimativa pós-tratamento ou assumem dados pré-tratamento totalmente observados, o FOCUS é unicamente equipado para prever resultados futuros sob intervenções hipotéticas quando os dados estão incompletos. O método é particularmente eficaz quando os fatores latentes exibem dinâmicas autorregressivas, uma característica comum em dados comportamentais e econômicos. O artigo conclui observando limitações, como a dependência de estacionariedade, e sugere direções futuras, incluindo configurações não estacionárias (ex: modelos de espaço de estados) e estimadores duplamente robustos.