Double/Debiased Machine Learning for Continuous Treatment Effects in Panel Data with Endogeneity

Resumo Técnico: Aprendizado de Máquina Duplo/Desviciado para Efeitos de Tratamento Contínuo em Dados de Painel com Endogeneidade

Declaração do Problema
Pesquisadores frequentemente buscam estimar os efeitos causais de tratamentos contínuos e variantes no tempo em configurações de dados de painel. Embora modelos semiparamétricos e não paramétricos ofereçam a flexibilidade necessária para evitar riscos de má especificação inerentes aos modelos lineares, eles enfrentam três desafios cumulativos: alta dimensionalidade, endogeneidade ubíqua (incluindo correlação contemporânea, violações de exogeneidade sequencial e variáveis dependentes defasadas) e a presença de efeitos fixos bidirecionais (individual e temporal).

As estruturas existentes de Aprendizado de Máquina Duplo/Desviciado (DML), como as de Chernozhukov et al. (2018), abordaram principalmente dados transversais ou dados de painel com apenas efeitos fixos individuais e regressores exógenos. Existe uma lacuna crítica no tratamento de modelos de painel não paramétricos com efeitos fixos bidirecionais (TWFE) e regressores endógenos. Especificamente:

1. Esquemas padrão de cross-fitting falham em painéis TWFE porque a eliminação de efeitos fixos temporais via desvio da média transversal introduz correlações mecânicas entre unidades, violando as suposições de independência necessárias para a teoria assintótica.
2. O termo de desviciamento (representante de Riesz) necessário para a ortogonalidade de Neyman geralmente carece de uma solução de forma fechada em configurações endógenas, e as estratégias de estimação existentes para este termo estão confinadas a regressores exógenos.
3. Estimadores convencionais TWFE são frequentemente limitados a tratamentos binários e efeitos contemporâneos, falhando em capturar efeitos de tratamento dinâmicos ou respostas heterogêneas ao longo do tempo.

Metodologia
Os autores propõem uma estrutura de Aprendizado de Máquina Duplo/Desviciado (DML) adaptada para modelos de painel não paramétricos com efeitos fixos aditivos TWFE e regressores endógenos. A estrutura visa a estimação de efeitos de derivada média (efeitos marginais médios) de tratamentos contínuos, incluindo efeitos contemporâneos, dinâmicos (defasados) e agregados.

As inovações metodológicas centrais incluem:

1. Especificação do Modelo: Os autores consideram modelos de painel não paramétricos estáticos e dinâmicos:

   • Estático: $Y_{it} = \gamma_0(X_{i,t-q:t}, D_{i,t-q:t}, C_i) + \mu_i + \lambda_t + \varepsilon_{it}$
   • Dinâmico: Inclui resultados defasados $Y_{i,t-1-p:t-1}$ como regressores.
   • A endogeneidade é tratada por meio de variáveis instrumentais $I_{it}$, onde os regressores podem ser sequencialmente exógenos ou completamente endógenos.

2. Ortogonalização de Neyman e Desviciamento:

   • Os autores derivam a forma explícita do termo de desviciamento necessário para construir condições de momento ortogonais de Neyman. Este termo é mostrado para fatorar no produto de um representante de Riesz ($\alpha_0$) e o erro diferenciado.
   • Diferentemente de configurações transversais onde $\alpha_0$ poderia ser estimado via regressão padrão, a configuração endógena impede isso. Os autores propõem estimar o representante de Riesz $\alpha_0$ usando Método Generalizado de Momentos (GMM) Penalizado. Esta abordagem "automática" estima o complexo termo de desviciamento usando apenas condições de momento conhecidas, sem exigir formas funcionais explícitas.

3. Esquema Inovador de Cross-Fitting:

   • Para abordar a correlação induzida pela remoção de efeitos fixos temporais (desvio da média), os autores introduzem um procedimento de cross-fitting modificado.
   • A amostra é dividida em $K$ dobras. Para uma dobra alvo $F_k$, os efeitos fixos temporais são eliminados pelo desvio da média usando uma dobra diferente $F_{k'}$. Crucialmente, a estimação das funções de incômodo ($\gamma_0$ e $\alpha_0$) utiliza um terceiro conjunto de dados ($F_k \cup F_{k'}$ excluídos), e a estimação final do efeito do tratamento usa a dobra alvo. Esta estratégia de "dobra dedicada" restaura a independência da amostra necessária para a teoria assintótica.

4. Algoritmo de Estimação:

   • Passo 1: Dividir os indivíduos em $K$ dobras.
   • Passo 2: Para cada dobra, estimar a função estrutural $\gamma_0$ (usando métodos de ML como DeepIV ou GMM penalizado) e o representante de Riesz $\alpha_0$ (usando GMM penalizado) nos dados complementares.
   • Passo 3: Construir a condição de momento ortogonal:
     $$\psi(W^*_{it}, \theta, \Delta\gamma^*, \alpha) = m(W^*_{it}, \Delta\gamma^*) - \theta + \alpha(Z_{it})[\Delta Y^*_{it} - \Delta\gamma^*(V_{it})]$$
     onde $\Delta$ denota diferenciação para remover efeitos fixos individuais, e $^*$ denota desvio da média para remover efeitos fixos temporais.
   • Passo 4: Resolver para a derivada média $\theta$ usando a média amostral da condição de momento ortogonal.

Contribuições Principais
O artigo faz quatro contribuições primárias à literatura:

1. Extensão do DML para TWFE com Endogeneidade: É o primeiro trabalho a estender a estrutura DML para modelos de painel não paramétricos com efeitos fixos individuais e temporais na presença de regressores endógenos.
2. Resolução do Cross-Fitting em TWFE: Os autores derivam a forma específica do termo de desviciamento para esta configuração e propõem um esquema de cross-fitting inovador que reserva uma dobra adicional para o desvio da média, resolvendo assim a violação de independência causada pela eliminação de efeitos fixos temporais.
3. GMM Penalizado para Representantes de Riesz: O artigo estende o conceito de "auto-DML" para configurações endógenas estimando o representante de Riesz via GMM penalizado. Isso permite a estimação de termos de desviciamento altamente complexos sem soluções de forma fechada, acomodando tanto endogeneidade quanto TWFE. Os autores também estabelecem a taxa de convergência em quadrado médio deste estimador sob condições mais brandas que a literatura anterior (e.g., Caner e Kock, 2018).
4. Efeitos Dinâmicos e Heterogêneos: A estrutura acomoda efeitos de tratamento dinâmicos e respostas heterogêneas a tratamentos contínuos, superando as limitações de estimadores TWFE convencionais que são frequentemente restritos a tratamentos binários e efeitos contemporâneos. Também fornece uma versão refinada e não paramétrica do estimador de Arellano-Bond para painéis dinâmicos.

Resultados

• Teoria Assintótica: Os autores estabelecem que os estimadores desviciados propostos para efeitos contemporâneos, dinâmicos e agregados são consistentes em $\sqrt{N}$ e assintoticamente normais. Um estimador de variância consistente é fornecido, permitindo inferência estatística válida.
• Simulações: Estudos de Monte Carlo demonstram que o estimador proposto (DPGMM) remove efetivamente o viés de regularização e o viés de sobreajuste. Comparado a estimadores de plug-in não desviciados (PGMM) e estimadores que ignoram endogeneidade (Lasso) ou especificam incorretamente o primeiro estágio (GMM), o estimador DPGMM exibe:
  • Viés e Erro Quadrático Médio (MSE) significativamente reduzidos.
  • Estimação precisa de variância, levando a intervalos de confiança com taxas de cobertura empíricas próximas ao nível nominal (e.g., 95%).
  • Robustez à má especificação do modelo e à negligência da endogeneidade.
• Aplicação Empírica: A estrutura é aplicada ao conjunto de dados ECLS-K para examinar o efeito do status socioeconômico familiar (SES), tamanho do domicílio e preços de fast food no IMC infantil.
  • Os resultados revelam dinâmicas ricas: o efeito do SES familiar no IMC muda de sinal à medida que as crianças envelhecem (negativo em períodos iniciais, positivo em períodos posteriores), ajudando a reconciliar achados conflitantes na literatura anterior que estimavam apenas efeitos agregados no tempo.
  • A especificação de painel dinâmico mostra que alguns efeitos são parcialmente explicados por resultados passados, sublinhando a importância de contabilizar dinâmicas.

Significado e Alegações
O artigo alega resolver um conjunto de desafios que o distinguem do trabalho existente, fornecendo uma ferramenta robusta para inferência causal em ambientes complexos de dados de painel. Ao combinar a flexibilidade do aprendizado de máquina com técnicas rigorosas de desviciamento adaptadas para endogeneidade e efeitos fixos bidirecionais, a estrutura permite que pesquisadores estimem efeitos de derivada média com inferência válida em configurações anteriormente consideradas intratáveis para DML. Os autores notam modestamente que, embora sua teoria assuma $T$ fixo e $N \to \infty$, trabalhos futuros poderiam abordar assintótica conjunta e estratégias de identificação alternativas (e.g., tendências paralelas) onde instrumentos não estão disponíveis.