A Transferability Criterion for Null-Optimized Variance Reduction in Cumulant-Based Error-Independence Testing

Resumo Técnico: Um Critério de Transferibilidade para Redução de Variância Otimizada sob a Hipótese Nula em Testes de Independência Baseados em Cumulantes

Definição do Problema
O artigo aborda uma lacuna metodológica específica na inferência de hipóteses para independência de erro de medição, focando no estatístico de cumulante de terceira ordem de Wiedermann–Shi (W&S) ($\Delta c_3$). Este estatístico detecta erros de medição correlacionados assimétricos entre dois escores observados paralelos ($X_1, X_2$) sob um modelo de variável latente. Embora o estimador ingênuo de $\Delta c_3$ seja não viesado e $\sqrt{N}$-consistente, ele pode exibir alta variância em amostras de tamanho moderado ou distribuições assimétricas.

O problema central investigado é se os estimadores do Método de Maximização Polinomial (PMM) — especificamente o PMM de segunda ordem (PMM2) — podem ser adaptados com sucesso para reduzir a variância do estatístico W&S para testes de hipóteses. O PMM é uma técnica padrão de redução de variância na estimativa de parâmetros de população única (ex: covariáveis de controle), onde funções auxiliares com expectativas conhecidas são usadas para ajustar um estimador alvo. O artigo questiona se um estimador PMM2, otimizado sob a hipótese nula ($H_0$) de intercambialidade de erro, pode transferir-se validamente para um problema de teste de duas regiões envolvendo a hipótese alternativa ($H_1$) de correlações assimétricas.

Metodologia
O estudo emprega uma análise teórica de forma fechada combinada com extensas simulações de Monte Carlo.

1. Estrutura Teórica:

   • Os autores derivam um critério de transferibilidade para redução de variância otimizada sob a hipótese nula. Eles postulam que, para um aumento de um estatístico alvo centrado em $H_0$ com um vetor de pesos $K_0$, a expectativa sob a alternativa ($H_1$) é igual ao alvo mais $K_0^\top \mu_{a, H_1}$, onde $\mu_{a, H_1}$ é a média da base de aumento sob $H_1$.
   • O artigo prova que a redução de variância transfere-se sem viés para a alternativa apenas se a condição de ortogonalidade $K_0^\top \mu_{a, H_1} = 0$ for satisfeita.
   • A construção do PMM2 utiliza auxiliares polinomiais antissimétricos (ex: $X_1^3 - X_2^3$) que possuem esperança zero sob $H_0$ devido à intercambialidade. Os pesos $K^*$ são otimizados para minimizar a variância sob $H_0$.

2. Design de Simulação:

   • Os autores simulam dados baseados no modelo W&S com parâmetros variáveis: carregamento relativo ($R \in \{1, 1.25, 2\}$), assimetria da pontuação verdadeira latente ($\gamma_T$) e assimetria do confundidor latente ($\gamma_U$).
   • Eles avaliam o estimador PMM2 contra o estimador ingênuo através de 36 condições, avaliando:
     • Eficiência Relativa (ARE): Redução de variância sob $H_0$.
     • Viés e Consistência: Convergência do estimador para o verdadeiro $\Delta c_3$ sob $H_1$.
     • Poder: Taxas de rejeição via bootstrap em $\alpha = 0,05$.
   • Verificações de robustez incluem a variação do tamanho de reamostragem do bootstrap ($B=200$ vs. $1000$), uso de intervalos BCa e teste de alternativas de cauda pesada (Tukey $g$-and-$h$).

Principais Resultados

1. Sucesso sob $H_0$ (Redução de Variância):

   • Sob a hipótese nula ($R=1$ ou confundidores simétricos), o estimador PMM2 alcança uma redução de variância significativa. A Eficiência Relativa Assintótica (ARE) varia de 1,23 a 5,16 entre as condições.
   • As taxas de erro do Tipo I são controladas (0,04–0,09), confirmando que o estimador é válido para inferência centrada em $H_0$.

2. Falha sob $H_1$ (Inconsistência):

   • Sob a hipótese alternativa ($R \neq 1, \kappa_3(U) \neq 0$), o estimador PMM2 é provavelmente inconsistente. Os auxiliares antissimétricos adquirem médias não nulas sob $H_1$, mas os pesos $K^*$ permanecem fixos em seus valores otimizados para $H_0$.
   • Isso resulta em uma atenuação sistemática do sinal alvo. O valor esperado do estimador sob $H_1$ é $\Delta c_3 + K^*(1-R^3)\kappa_3(U)$.
   • A atenuação é severa: em regimes de alternativa forte ($R=2$), o estimador retém apenas ~16% do sinal real (84% de atenuação).
   • O aumento do tamanho da amostra ($N$) não corrige este viés; o estimador converge para um valor distante do parâmetro real.

3. Consequências para o Poder de Teste:

   • A perda de sinal traduz-se diretamente em uma perda catastrófica de poder estatístico. As perdas de poder variam de 7 a 52 pontos percentuais em comparação com o estimador ingênuo.
   • Nos cenários de alternativa mais fortes ($R=2$), o teste ingênuo atinge ~86% de poder, enquanto o teste PMM2 cai para ~33–36%.
   • O artigo observa que testes de unidade padrão (que verificam apenas o viés e a variância de $H_0$) teriam incorretamente classificado o PMM2 como uma melhoria, destacando um perigo metodológico.

4. Extensões (PMM3 e PATP):

   • Um ajuste simétrico de quarta ordem do tipo PMM3 foi testado. Embora tenha reduzido a variância (razão 1,127), falhou em portões de teste de nulidade prática, exibindo uma taxa de rejeição de nulidade de 0,295 (contra um guarda de 0,10).
   • O Polinômio de Transição Adaptativo Parametricamente (PATP) é discutido como uma extensão conceitual para a seleção de base, mas é explicitamente declarado que o PATP não resolve o problema da consistência por si só. Sem o recentramento dos pesos sob a alternativa, uma base mais rica cria apenas um estimador mais eficiente de um alvo errado.

Significância e Alegações
A principal contribuição do artigo é um critério de transferibilidade de forma fechada para a aplicação de covariáveis de controle otimizadas sob a hipótese nula em testes de hipóteses de duas regiões. Os autores alegam:

• Fronteira Teórica: Técnicas de redução de variância desenvolvidas para estimativa de população única (onde a distribuição é fixa) não se transferem automaticamente para testes de hipóteses (onde a distribuição muda entre $H_0$ e $H_1$). Especificamente, centrar funções auxiliares em suas expectativas sob $H_0$ destrói a consistência sob $H_1$, a menos que os pesos da nulidade sejam ortogonais às médias do lado da alternativa.
• Advertência Metodológica: O estudo serve como um estudo de caso diagnóstico demonstrando que a validação "apenas para $H_0$" é insuficiente para metodologias de teste de hipóteses. Um método pode ser altamente eficiente sob a nulidade, mas falhar completamente em detectar a alternativa devido à atenuação do sinal.
• Portão Operacional: Os autores propõem um "portão de aceitação de consistência de alternativa" para futuros estatísticos de teste com redução de variância. Qualquer estatístico desse tipo deve verificar se o alvo permanece consistente sob alternativas representativas, não apenas se reduz a variância sob a nulidade.

O artigo conclui que, embora o PMM seja uma técnica sólida para estimativa de parâmetros, sua aplicação direta à tarefa de teste de cumulante cruzado W&S é inválida sem um mecanismo para adaptar o centramento ou os pesos à hipótese alternativa. A falha é estrutural, não um artefato de amostra finita.