A Toolkit for the Study of Treatment-Effect Discontinuities

Resumo Técnico: Um Conjunto de Ferramentas para o Estudo de Descontinuidades nos Efeitos de Tratamento

Problema
Embora os Efeitos Médios de Tratamento (ATEs) sirvam há muito tempo como a espinha dorsal da avaliação de impacto, eles frequentemente ocultam heterogeneidades importantes nos efeitos de tratamento ao longo da distribuição dos resultados. A literatura recente sobre Efeitos de Tratamento Distribuicionais (DTEs) avançou por meio de regressão quantílica, florestas causais e testes de dominância estocástica. No entanto, permanece uma lacuna específica na análise de descontinuidades de efeito de tratamento, definidas como pontos onde os efeitos marginais distribuicionais mudam de sinal (ou seja, onde as Funções de Distribuição Acumulada (CDFs) dos grupos tratados e de controle se cruzam). As ferramentas existentes frequentemente têm dificuldade em separar claramente regiões de sinais opostos ou em fornecer inferência rigorosa sobre a localização e a natureza desses cruzamentos. Os autores argumentam que identificar onde e como as distribuições se cruzam é crítico para políticas públicas, pois revela subgrupos que se beneficiam versus aqueles que podem ser prejudicados, uma nuance perdida em efeitos médios ou testes simples de dominância.

Metodologia
O artigo propõe um conjunto de ferramentas centrado na Curva de Efeito de Tratamento (TEC), definida como a diferença entre as CDFs do grupo tratado ($F_B$) e do grupo de controle ($F_A$): $\Delta(x) = F_A(x) - F_B(x)$. O framework introduz duas abordagens analíticas complementares:

1. Análise de Descontinuidade Horizontal (HDA): Este método compara subgrupos de observações localizados em regiões onde a TEC possui sinais opostos (por exemplo, abaixo e acima de um ponto de cruzamento). Os autores utilizam Florestas Causais para estimar os Efeitos Médios Condicionais de Tratamento (CATEs) dentro desses grupos distintos, visando identificar covariáveis que explicam por que os efeitos diferem em sinal através da distribuição.
2. Análise de Descontinuidade Vertical (VDA): Esta abordagem foca nos pontos específicos onde a TEC cruza o zero. Análogo aos Desenhos de Descontinuidade de Regressão (RDD), ela examina a inclinação local da TEC nesses pontos de cruzamento para determinar se a mudança de sinal é abrupta (não tangencial) ou gradual.

Estrutura Inferencial
O artigo adapta a assintótica de pontos de cruzamento para o contexto da TEC, abordando dois objetos de inferência:

• Localização do Ponto de Cruzamento: Os autores propõem localizar os zeros usando a diferença não suavizada entre as funções de distribuição empírica (ECDFs). Eles derivam a distribuição assintótica do estimador do ponto de cruzamento $\hat{x}_0$, mostrando que ele é $\sqrt{n}$-consistente com uma variância inversamente proporcional ao quadrado da inclinação local $[\Delta'(x_0)]^2$.
• Estimativa de Inclinação Local e Testes: Para avaliar a inclinação do cruzamento (testando $H_0: \Delta'(x_0) = 0$), os autores empregam estimadores de densidade de kernel com correção de viés. Eles derivam um estatística de Wald com correção de viés para testar a não-tangencialidade. Uma contribuição técnica fundamental é a demonstração de que o uso de ECDFs não suavizadas para a localização evita o viés horizontal induzido pela suavização, enquanto a correção de viés é essencial para o estimador de inclinação para garantir intervalos de confiança válidos para a localização do cruzamento.

Principais Contribuições

1. Framework Metodológico: O artigo formaliza a HDA e a VDA como ferramentas sistemáticas para o estudo da heterogeneidade do efeito de tratamento. Ele esclarece as premissas de identificação, observando que a VDA depende de limiares determinados endogenamente (pontos de cruzamento baseados em dados) em vez de pontos de corte exógenos de políticas, distinguindo-se do RDD padrão.
2. Procedimento Inferencial: Os autores operacionalizam um procedimento para localizar pontos de cruzamento e testar sua não-tangencialidade. Eles fornecem um estudo de Monte Carlo documentando o desempenho dos estimadores em amostras finitas, incluindo taxas de detecção, taxas de falsos positivos, viés, RMSE e cobertura de intervalos de confiança.
3. Ilustração Empírica: O conjunto de ferramentas é demonstrado em dois conjuntos de dados:
   • Dados Sintéticos: Um censo sintético do Banco Mundial onde os efeitos de tratamento são construídos para criar padrões de cruzamento específicos. Isso valida o fluxo de trabalho (estimativa da TEC, inferência, HDA, VDA) em um ambiente controlado.
   • Dados Reais (PROGRESA): Uma aplicação diagnóstica ao programa de transferência de renda condicionada PROGRESA do México. A análise revela que, enquanto os domicílios elegíveis mostram dominância estocástica de primeira ordem, os domicílios inelegíveis exibem efeitos de transbordamento (spillovers) sutis e fracos, com mudanças de sinal que são muito planas para suportar uma análise de descontinuidade baseada em limiar.

Resultos

• Evidência de Monte Carlo: O estudo descobre que o poder de detecção para pontos de cruzamento depende fortemente da inclinação do cruzamento. Cruzamentos íngremes são detectados com alto poder mesmo em amostras moderadas, enquanto cruzamentos planos requerem amostras grandes para detecção confiável. A taxa de falsos positivos para cruzamentos espúrios é negligenciável em amostras de $n \geq 4.000$.
• Correção de Viés: A correção explícita do viés da inclinação local melhora significativamente a recuperação da inclinação verdadeira e a calibração dos intervalos de confiança da localização do cruzamento. Sem a correção, os intervalos são excessivamente conservadores; com a correção, eles alcançam uma cobertura próxima à nominal.
• Aplicação em Dados Sintéticos: O conjunto de ferramentas identificou com sucesso dois pontos de cruzamento nos dados sintéticos, separando a população em três grupos com efeitos negativos, positivos e negativos, respectivamente. A HDA usando florestas causais identificou o gasto pré-tratamento como o principal motor dessas diferenças.
• Aplicação PROGRESA: A análise confirmou a dominância positiva para os domicílios elegíveis. Para os domicílios inelegíveis, a TEC revelou spillovers negativos fracos na base da distribuição e efeitos próximos de zero em outras partes. Crucialmente, o procedimento de inferência diagnosticou corretamente que as mudanças de sinal eram muito planas (tangenciais) para justificar uma VDA baseada em limiar, evitando alegações espúrias de quebras estruturais.

Significância e Alegações
O artigo afirma fornecer um complemento necessário aos instrumentos existentes de DTE (dominância estocástica, regressão quantílica, florestas causais). Sua principal significância reside em oferecer um conjunto de ferramentas diagnósticas que permite aos pesquisadores:

• Identificar visual e estatisticamente onde os efeitos de tratamento mudam de sinal ao longo da distribuição dos resultados.
• Determinar se essas mudanças de sinal são nítidas o suficiente para justificar uma análise de subgrupo (HDA) ou uma análise de descontinuidade local (VDA).
• Evitar a interpretação excessiva de mudanças distribuicionais fracas ou graduais como descontinuidades nítidas.

Os autores enfatizam que o conjunto de ferramentas é particularmente valioso quando as CDFs se cruzam, um cenário onde os ATEs são menos informativos. Eles posicionam a TEC não como um substituto para a regressão quantílica ou florestas causais, mas como um precursor que identifica onde buscar a heterogeneidade, a qual pode então ser explicada por métodos baseados em covariáveis. O artigo conclui modestamente, reconhecendo que a VDA depende de limiares estimados e que trabalhos futuros são necessários para desenvolver procedimentos de inferência formais que considerem totalmente a incerteza desses limiares endógenos em aplicações do mundo real.