A Design-Based Approach to Testing and Inference in (Quasi-)Experiments with Spillovers

Resumo Técnico: Uma Abordagem Baseada em Design para Testes e Inferência em (Quase-)Experimentos com Spillovers

1. O Problema
Políticas econômicas frequentemente geram efeitos de transbordamento (spillovers) que se estendem além dos alvos diretos, propagando-se através de redes espaciais, de mercado e sociais. Para tornar esses efeitos tratáveis, pesquisadores aplicados tipicamente resumem vetores complexos de atribuição de tratamento usando "mapeamentos de exposição" de baixa dimensão (ex: a proporção de vizinhos tratados dentro de um raio específico). No entanto, dois desafios críticos permanecem:

1. Incerteza de Especificação: A teoria econômica raramente dita a forma funcional precisa (ex: anel vs. núcleo de gravidade) ou os parâmetros (ex: o raio específico ou a taxa de decaimento) desses mapeamentos. Os pesquisadores costumam selecioná-los com base na intuição institucional ou diagnósticos informais, tratando-os como fixos em vez de estimados.
2. Limitações de Inferência: Erros padrão e intervalos de confiança na literatura existente tipicamente condicionam a uma especificação escolhida, ignorando a incerteza introduzida pela seleção do próprio mapa de exposição. Além disso, não há um método formal baseado em design para testar se um mapeamento proposto é consistente com os dados observados sob o mecanismo de atribuição conhecido.

2. Metodologia
O artigo propõe uma estrutura baseada em design para testar e estimar mapeamentos de exposição, baseando-se na randomização (ou quase-randomização) da atribuição de tratamento como a única fonte de aleatoriedade. Os potenciais resultados são tratados como fixos para a amostra experimental.

• Suficiência de Exposição e Ortogonalidade: A percepção teórica central é que um mapeamento de exposição corretamente especificado $g(W; X_i, \theta_0)$ implica uma propriedade de suficiência de exposição: condicionado à exposição $g(W; X_i, \theta_0)$, os detalhes restantes do vetor de atribuição $W$ não carregam informação adicional sobre o resultado $Y_i$. Isso implica um conjunto de condições de ortogonalidade (restrições de momentos). Especificamente, para qualquer transformação de resultado $\phi$ e função de design $\psi$, o "resíduo do lado do design" $R_{i,\theta}\psi(W) = \psi(W) - E[\psi(W) | g(W; X_i, \theta)]$ é ortogonal a $\phi(Y_i)$ no verdadeiro $\theta_0$.
• Residualização do Lado do Design: Os autores constroem esses momentos "recentralizando" funções de design. A esperança condicional $E[\psi(W) | g(W; X_i, \theta)]$ é computada usando a distribuição de atribuição conhecida $D_n$ (via simulação ou enumeração), não exigindo suposições sobre o modelo de resultado.
• Estimação e Teste:
  • Estimação: O parâmetro de ajuste $\theta$ é estimado via Método dos Momentos Generalizado (GMM) minimizando uma forma quadrática dos momentos amostrais.
  • Teste de Especificação: Quando o sistema é sobreidentificado (mais momentos do que parâmetros), um teste $J$ baseado em design avalia se o mapeamento de exposição proposto é consistente com o design de atribuição. A rejeição indica que a variação residual da atribuição permanece preditiva dos resultados, sugerindo que o mapa está mal especificado.
• Teoria de Grandes Amostras: O artigo estabelece consistência e normalidade assintótica para o estimador GMM sob dependência espacial e de rede, utilizando a estrutura de dependência de conjunto de afinidade (Chandrasekhar et al., 2023). Esta estrutura acomoda tanto núcleos suaves (ex: gravidade) quanto especificações não suaves (ex: raios de anéis). Os autores derivam um limite de eficiência para a classe de momentos residualizados de nível unitário e mostram que um estimador de sieve GMM com um dicionário crescente atinge esse limite.
• Inferência em Dois Estágios: A estrutura propaga a incerteza do mapa de exposição estimado $\hat{\theta}$ para estimandos de política subsequentes (ex: efeitos médios de tratamento ou multiplicadores) usando uma abordagem de estimador Z empilhado, garantindo que os erros padrão reflitam tanto a variação experimental quanto a incerteza de especificação.

3. Principais Contribuições

• Formalização da Seleção de Mapas de Exposição: O artigo fornece a primeira metodologia baseada em design para testar e estimar os parâmetros de mapeções de exposição, indo além de análises de sensibilidade informais.
• Ortogonalidade Baseada em Design: Introduz uma estratégia inovadora de "residualização do lado do design" que gera condições de momentos válidas para testar a suficiência da exposição sem exigir um modelo estrutural de resultado.
• Inferência Robusta sob Dependência: Estabelece consistência uniforme e normalidade assintótica para estimadores GMM na presença de complexas dependências espaciais e de rede, cobrindo mapas de exposição suaves e não suaves.
• Caracterização de Eficiência: Caracteriza o limite de eficiência dentro da classe de momentos de nível unitário e demonstra que estimadores de sieve viáveis podem atingi-lo.

4. Resultados Empíricos
A estrutura é aplicada a dois grandes programas de combate à pobreza:

• Muralidharan et al. (2023) (NREGS da Índia): O estudo examina spillovers de uma reforma de obras públicas usando uma medida de exposição baseada em anel com um raio fixo de 20 km.

  • Resultado: Os testes de sobreidentificação baseados em design não rejeitam a especificação de anel. O raio selecionado pelos dados (aprox. 23,7 km para renda total) é próximo da escolha original de 20 km.
  • Implicação: A escolha institucional original é sustentada pelos dados; o achado principal de que os ganhos de renda advêm predominantemente de ganhos de não-programa (efeitos de equilíbrio geral) permanece robusto mesmo quando o raio é estimado.

• Egger et al. (2022) (GiveDirectly no Quênia): O estudo analisa spillovers de transferências de caixa usando um raio de 2 km.

  • Resultado: Os testes baseados em design rejeitam o suporte original de 2 km para todos os principais resultados. Os menores suportes não rejeitados são tipicamente de 4–6 km.
  • Implicação: Substituir o anel de 2 km pelo índice selecionado pelo design altera significativamente as conclusões de política. O multiplicador de transferência fiscal local estimado cai do original 2,5 para 1,57, alinhando-se de perto com a previsão do modelo estrutural de Walker et al. (2024) (1,54). Isso sugere que o raio original de 2 km era muito local para capturar spillovers ambientais de nível de mercado.

5. Significância e Alegações
O artigo afirma oferecer uma alternativa rigorosa ao tratamento de mapeamentos de exposição como escolhas fixas do pesquisador. Ao tratar o mapeamento como um objeto de inferência baseada em design, a estrutura pode:

1. Validar mapas motivados economicamente quando são consistentes com a randomização.
2. Detectar e guiar revisões quando a especificação escolhida é inconsistente com os dados (como visto na aplicação no Quênia).
3. Propagar a incerteza da especificação de exposição para estimativas de política subsequentes, evitando a subestimação de erros padrão que ocorre quando $\theta$ é tratado como conhecido.

Os autores enfatizam que sua abordagem não pretende identificar a "verdadeira" estrutura de interferência contra todas as alternativas possíveis (notando os resultados de impossibilidade de Gao et al., 2026), mas sim fornece uma restrição testável dentro das classes paramétricas comumente usadas no trabalho aplicado. A estrutura permite que os pesquisadores usem o design de randomização conhecido para disciplinar a escolha de mapas de exposição, garantindo que as inferências de política sejam robustas à forma funcional específica ou aos parâmetros escolhidos.