Resumo Técnico: Estimativa Direta e Eficiente de Formas Bilineares em Painéis Tensoriais Escalonados

Formulação do Problema

Este artigo aborda a estimativa de formas bilineares a partir de dados tensoriais ruidosos e parcialmente observados no contexto da inferência causal. O cenário envolve um tensor de sinal $M \in \mathbb{R}^{N \times T \times K}$ que segue um modelo Tucker2 com rank $(r, r, K)$. O sinal é decomposto como $M = C \times_1 U \times_2 V \times_3 I_K$, onde $U \in \mathbb{R}^{N \times r}$ e $V \in \mathbb{R}^{T \times r}$ são matrizes de fatores compartilhadas em todas as $K$ camadas (fatias), e $C \in \mathbb{R}^{r \times r \times K}$ contém tensores de núcleo específicos por fatia.

Os dados são observados sob um padrão de ausência de adoção escalonada (staggered adoption), comum em dados de painel causais onde as unidades adotam um tratamento em momentos distintos. Uma vez tratada, uma unidade permanece tratada em todos os períodos subsequentes, criando um padrão de "escada" de potenciais resultados não tratados ausentes. Os autores focam na estimativa de formas bilineares gerais dos blocos não observados (contrafatuais):
$$\mu_{xy}^{(k)} = x^\top M_{\cdot,\cdot,k}^{(d)} y$$
onde $x$ e $y$ são vetores unitários, e $M_{\cdot,\cdot,k}^{(d)}$ representa o bloco inferior-direito não observado na $k$-ésima camada. Este alvo inclui estimandos causais como o efeito médio do tratamento (ATE), contrafatuais individuais e agregados ponderados por políticas.

O desafio principal é que a literatura existente foca amplamente na recuperação total de matrizes/tensores (minimizando o erro de Frobenius ou de entrada) em vez da estimativa direta de funcionais específicos. Além disso, embora existam métodos tensoriais para inferência causal, eles frequentemente carecem de garantias teóricas para a estimativa direta de funcionais sob padrões estruturados de Ausência Não Aleatória (MNAR - Missing Not At Random).

Metodologia

1. Redução para Quatro Blocos e Algoritmo Espectral

Os autores analisam primeiro o padrão de ausência de quatro blocos, o bloco de construção fundamental de designs escalonados. Neste cenário, cada camada $j$ possui blocos observados $a, b, c$ e um bloco ausente $d$.

Eles propõem o Algoritmo 1 (BilinearTensor4Block), um estimador espectral que visa o funcional diretamente sem reconstruir o tensor completo. O algoritmo aproveita os subespaços latentes compartilhados ($U$ e $V$) entre as camadas:

1. Construção de Matriz Agrupada (Pooled): Constrói duas matrizes agrupadas empilhando os blocos observados através de todas as $K$ camadas:
   • $Y^p_{\text{left}}$: Empilha os blocos observados da "esquerda" (combinando os blocos $a$ e $c$) para estimar o subespaço de linhas compartilhado $U$.
   • $Y^p_{\text{up}}$: Empilha os blocos observados "superiores" (combinando os blocos $a$ e $b$) para estimar o subespaço de colunas compartilhado $V$.
2. SVD e Estimativa de Subespaço: Calcula as Decomposições de Valor Singular (SVD) truncadas de rank-$r$ dessas matrizes agrupadas para obter os estimadores $\hat{U}_{\text{left}}$ e $\hat{V}_{\text{up}}$.
3. Estimativa Direta do Funcional: Em vez de imputar o bloco ausente, o algoritmo realiza um procedimento de "regressão-e-denoise". Ele utiliza os subespaços estimados para mapear o bloco observado $b$ ao bloco ausente $d$ via um operador de regressão espectral, utilizando especificamente um inverso espectral clipado para estabilizar a inversão da matriz de Gram $\hat{U}_{1k}^\top \hat{U}_{1k}$.

2. Extensão para Designs de Adoção Escalonada Gerais

Para designs de adoção escalonada gerais (Seção 5), os autores propõem o Algoritmo 2 (BilinearTensorStaggered). Este método reduz a complexa ausência em formato de escada a um problema auxiliar de quatro blocos através de:

• Permutação de linhas para alinhar com a ordem de adoção da camada alvo.
• Identificação de conjuntos âncoras (linhas e colunas totalmente observadas) através de todas as camadas que correspondem ao bloco ausente alvo.
• Construção de matrizes agrupadas auxiliares usando apenas esses blocos âncoras, isolando efetivamente uma estrutura de quatro blocos dentro do tensor maior.

Principais Resultados Teóricos

1. Limites de Erro Não Assintóticos

O artigo estabelece um limite de erro quadrático médio (MSE) não assintótico para o estimador proposto (Teorema 1). O limite revela uma transição de fase dependente do número de camadas $K$:

• Regime de $K$ Pequeno: O erro é dominado por termos relacionados à estimativa dos fatores compartilhados $U$ e $V$, que escalam como $O(\sigma^2 \rho^{-1})$.
• Regime de $K$ Grande: À medida que $K$ aumenta, os termos de erro relacionados à estimativa de $U$ e $V$ decrescem (melhorando com o agrupamento), mas um termo de erro irredutível específico da camada permanece. Este termo, escalando como $O(\sigma^2 \min(N/N_{1k}, T/T_{1k}))$, reflete a dificuldade de estimar o núcleo específico da fatia $C_{\cdot,\cdot,k}$, que não pode ser melhorado pelo agrupamento entre camadas.

2. Limites Inferiores Minimax Locais

Os autores derivam limites inferiores minimax locais (Teoremas 2 e 3) que coincidem com os limites superiores até constantes. Estes limites confirmam que a transição de fase é inerente à estrutura do problema:

• O agrupamento de informações entre camadas é necessário para estimar os subespaços compartilhados de forma eficiente.
• No entanto, uma vez que os subespaços compartilhados são bem estimados, a precisão do estimador do funcional é limitada pela relação sinal-ruído dentro do bloco ausente da camada alvo específica.

3. Eficiência Computacional

O método proposto é computacionalmente eficiente. O custo dominante é a SVD de rank-$r$ das matrizes agrupadas, escalando como $O(NT_{1,p}r + N_{1,p}Tr)$. Crucialmente, o algoritmo calcula a forma bilinear diretamente, evitando o custo de $O(N_{1k}T_{2k}r)$ de construir o bloco ausente completo. Para múltiplas consultas, o custo é reduzido ainda mais pelo cache das SVDs agrupadas.

Significância e Contribuições

O artigo reivindica as seguintes contribuições:

1. Estimativa Direta de Funcionais: Desloca o foco da recuperação total do tensor para a estimativa direta de funcionais causais, que é frequentemente o objetivo real em aplicações. Demonstra-se que esta abordagem é estatisticamente e computacionalmente mais eficiente para estes alvos específicos.
2. Generalização para Tensores: Estende os métodos espectrais para completude de matrizes MNAR (previamente limitados a $K=1$ ou inferência de entrada específica) para o cenário tensorial com múltiplas camadas ($K \ge 1$), acomodando múltiplos tratamentos ou resultados.
3. Caracterização da Transição de Fase: Fornece uma caracterização teórica rigorosa de como o agrupamento de informações entre camadas melhora a estimativa, identificando o ponto preciso onde o benefício do agrupamento satura devido à heterogeneidade específica da fatia.
4. Robustez ao MNAR: A metodologia é desenhada especificamente para padrões MNAR estruturados (adoção escalonada), um cenário onde métodos padrão de completude de matriz frequentemente falham ou exigem suposições mais fortes.

Validação Empírica

Os autores validam sua teoria através de:

• Simulações: Demonstrando a transição de fase nas taxas de erro conforme $K$ aumenta e mostrando que o estimador agrupado supera os estimadores de camada única (sem agrupamento), particularmente em regimes de baixo SNR.
• Aplicações no Mundo Real:
  • Leis de Doutrina do Castelo (Castle Doctrine Laws): Estimando o efeito de leis de legítima defesa sobre as taxas de criminalidade através de diferentes resultados (roubo, agressão, etc.), mostrando que o método tensorial reduz a incerteza em comparação com métodos baseados apenas em matrizes.
  • Políticas de COVID-19: Analisando o impacto de ordens de recolhimento domiciliar e rastreamento de contatos sobre mortes e casos, destacando a capacidade do método de aproveitar informações de resultados de políticas relacionadas (diferentes fatias) para melhorar a estimativa em camadas de dados esparsos.

O artigo conclui que, embora a recuperação total do tensor seja valiosa, a estimativa direta de formas bilineares oferece um compromisso superior entre eficiência estatística e custo computacional para tarefas de inferência causal envolvendo ausência estruturada.