📊 estatística

Is Using Shapley Value Good for Covariate Selection in Panel Models?

Este artigo propõe e valida um método de valor de Shapley de efeitos fixos para seleção de covariáveis em modelos de painel, demonstrando, por meio de simulações e aplicações empíricas, que ele oferece uma alternativa transparente, computacionalmente eficiente e parcimoniosa aos abordagens existentes, ao mesmo tempo em que recupera com precisão os conjuntos ativos verdadeiros e melhora o desempenho do modelo.

Autores originais: Htwe Ko, Pathairat Pastpipatkul

Publicado 2026-10-14

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Htwe Ko, Pathairat Pastpipatkul

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

No mundo da economia, os pesquisadores frequentemente enfrentam um enigma que parece simples, mas é profundamente complexo: como descobrir quais fatores realmente impulsionam um resultado específico, como o crescimento da renda de uma nação. Imagine um cientista olhando para uma planilha massiva contendo dados de dezenas de países ao longo de muitos anos. Ele tem uma lista de causas potenciais — coisas como gastos com educação, investimento estrangeiro, taxas de inflação e crescimento populacional. O problema é que existem candidatos demais para testar todos de uma vez sem criar confusão, e a teoria econômica raramente aponta para uma lista única e perfeita de ingredientes. Durante décadas, estatísticos tentaram resolver isso usando vários atalhos matemáticos para filtrar o ruído, mas esses métodos frequentemente deixam os pesquisadores adivinhando quais variáveis estão realmente fazendo o trabalho pesado e quais estão apenas de passagem. O desafio central não é apenas encontrar um modelo que se ajuste bem aos dados, mas entender exatamente quanto crédito cada fator individual merece por esse ajuste, especialmente quando esses fatores estão emaranhados de formas complexas.

Uma equipe de pesquisadores da Universidade de Chiang Mai propôs uma nova maneira de enfrentar esse problema, emprestando um conceito da teoria dos jogos para trazer clareza ao caos dos dados econômicos. Em vez de tratar a seleção de variáveis como um jogo de adivinhação estatística, eles a enquadraram como um jogo cooperativo onde cada fator potencial é um jogador. Neste jogo, o objetivo é medir quanto cada jogador contribui para o sucesso da equipe, que, neste caso, é a capacidade do modelo de explicar as mudanças na renda nacional. Os pesquisadores utilizaram uma ferramenta matemática chamada valor de Shapley, um método originalmente projetado para dividir justamente os ganhos entre jogadores em um jogo cooperativo. Ao aplicar essa lógica aos dados econômicos, eles puderam calcular a contribuição média exata de cada variável, contabilizando todas as combinações possíveis de fatores. Essa abordagem trata os efeitos fixos dos dados — os traços únicos e imutáveis de cada país e de cada ano — como um pano de fundo constante, permitindo que os pesquisadores foquem puramente em como as variáveis variáveis interagem para explicar o resultado.

Os pesquisadores testaram seu novo método, que chamam de seleção de covariáveis de Efeitos Fixos pelo Valor de Shapley, usando uma série de simulações computacionais. Eles criaram milhares de conjuntos de dados econômicos fictícios onde sabiam a resposta verdadeira de antemão: sabiam exatamente quais variáveis eram drivers reais e quais eram apenas ruído aleatório. Nesses testes, o método provou ser extraordinariamente eficaz. À medida que a quantidade de dados crescia, o método tornava-se quase perfeito em identificar os verdadeiros impulsionadores e ignorar o ruído. Ele separou com sucesso o sinal do estático, recuperando o conjunto correto de variáveis em quase todos os casos quando o tamanho da amostra era grande o suficiente. As simulações mostraram que, enquanto alguns métodos antigos continuariam incluindo variáveis irrelevantes apenas porque pareciam boas em uma combinação específica, essa nova abordagem consistentemente atribuía valor zero ou negativo aos fatores inúteis, filtrando-os efetivamente.

Para ver se isso funcionava no mundo real, a equipe aplicou seu método a dados econômicos reais de quarenta e cinco países, divididos em grupos de vinte nações desenvolvidas e vinte e cinco nações em desenvolvimento, cobrindo os anos de 2000 a 2023. Eles começaram com um modelo completo contendo dez indicadores econômicos diferentes, como dívida pública, abertura comercial e taxas de câmbio. Quando rodaram a análise do valor de Shapley, os resultados revelaram uma hierarquia clara de importância que diferia dependendo do tipo de país. Para as nações desenvolvidas, a abertura comercial e o investimento estrangeiro direto emergiram como os impulsionadores mais poderosos, enquanto para as nações em desenvolvimento, o investimento estrangeiro e o crescimento populacional assumiram a liderança. O método também destacou variáveis que, apesar de parecerem significativas em testes estatísticos tradicionais, na verdade contribuíam muito pouco para a explicação geral do crescimento. Em alguns casos, chegou até a atribuir valor negativo a certos fatores, indicando que incluí-los na verdade piorava o modelo ao adicionar complexidade desnecessária sem adicionar poder explicativo real.

Os modelos finais produzidos por este método foram muito mais simples e focados do que as versões originais e abrangentes. No grupo de países desenvolvidos, o método selecionou sete variáveis principais; no grupo de países em desenvolvimento, reduziu a lista para apenas três; e para o grupo combinado, escolheu quatro. Esses modelos simplificados tiveram um desempenho tão bom quanto os modelos completos na explicação dos dados, mas com uma estrutura muito mais limpa. Quando os pesquisadores compararam seus resultados com outras técnicas estatísticas avançadas, encontraram uma concordância forte sobre as variáveis mais importantes, mas o novo método ofereceu uma vantagem distinta: ele forneceu uma lista única e definitiva das melhores variáveis, em vez de um conjunto confuso de probabilidades. Isso significa que um pesquisador pode agora olhar para os dados e dizer com confiança exatamente quais fatores estão impulsionando o crescimento, sem ter que adivinhar quais variáveis manter ou descartar. O estudo conclui que essa abordagem baseada na teoria dos jogos oferece uma maneira transparente, justa e computacionalmente eficiente de resolver um dos problemas mais antigos da economia, transformando uma lista bagunçada de possibilidades em uma história clara e baseada em evidências sobre o que realmente importa.

Resumo Técnico: Seleção de Covariáveis via Valor de Shapley de Efeitos Fixos em Modelos de Painel

Definição do Problema
O artigo aborda o desafio persistente da seleção de covariáveis em modelos de dados em painel, particularmente em contextos macroeconômicos onde os pesquisadores enfrentam um "cardápio" de determinantes plausíveis que frequentemente excede o número de observações ou a capacidade de estimação confiável. Abordagens tradicionais, como a regressão stepwise, a penalização do tipo Lasso e buscas por critérios de informação sobre todos os $2^p$ subconjuntos, enfrentam limitações: tornam-se computacionalmente inflexíveis à medida que o número de covariáveis ( $p$ ) ultrapassa aproximadamente vinte, suas conclusões são sensíveis ao critério escolhido e falham em fornecer uma decomposição exata do poder explicativo de um modelo em contribuições individuais de regressores. Além disso, os métodos existentes frequentemente confundem seleção com encolhimento (shrinkage) ou carecem de um mecanismo transparente para atribuir o "valor" do modelo a variáveis específicas, ao mesmo tempo em que consideram os efeitos fixos.

Metodologia: Valor de Shapley de Efeitos Fixos (FESV)
Os autores propõem o método do Valor de Shapley de Efeitos Fixos (FESV), que enquadra a seleção de covariáveis como um problema de teoria dos jogos cooperativos.

Formulação do Jogo:
- Jogadores: Cada covariável candidata é tratada como um jogador em um jogo de utilidade transferível.
- Não-Jogadores: Os efeitos fixos de unidade ( $\alpha_i$ ) e de tempo ( $\gamma_t$ ) são tratados como componentes estruturais que estão sempre presentes; eles são eliminados via transformação within antes da avaliação da coalizão e nunca são selecionados.
- Função Característica ( $v$ ): O valor de uma coalizão (subconjunto de covariáveis $S$ ) é definido como o $R^2$ ajustado da regressão do estimador within usando apenas as variáveis em $S$ . Esta função é líquida de efeitos fixos e penalizada pelos graus de liberdade.
- Funções Alternativas: O estudo também considera o $R^2$ não ajustado e o BIC negativo como funções características para testar a robustez.
Cálculo do Valor de Shapley:
- O valor de Shapley ( $\phi_i$ ) para cada covariável é computado como a média ponderada de sua contribuição marginal através de todas as possíveis coalizões ( $2^p$ subconjuntos).
- Propriedades: O método aproveita as propriedades axiomáticas do valor de Shapley: eficiência (a soma dos valores é igual à variação total explicada), simetria, aditividade e a propriedade do jogador nulo (variáveis irrelevantes recebem valor zero ou negativo).
- Computação: O vetor de Shapley exato é calculado enumerando todas as $2^p$ coalizões, ajustando a regressão within para cada uma e aplicando pesos combinatórios.
Regras de Seleção:
- Regra A (Sinal Positivo): Seleciona todas as covariáveis com um valor de Shapley positivo ( $\phi_i > 0$ ). Isso serve como um diagnóstico, mas tende a selecionar excessivamente em amostras finitas devido ao ruído de amostragem.
- Regra B (Aninhada Penalizada): Ordena as covariáveis por ordem decrescente de valor de Shapley e seleciona o subconjunto de topo- $k$ que maximiza um objetivo penalizado: $J(k) = v(M_k) - \gamma k$ , onde $\gamma$ é uma penalidade definida pelo usuário (ex: 0,01). Esta regra controla efetivamente os falsos positivos ao cobrar um custo pela adição de variáveis que não melhoram suficientemente o ajuste ajustado.

Principais Contribuições

Decomposição Exata: Diferente de métodos stepwise ou penalizados, o FESV fornece uma decomposição não residual exata do $R^2$ ajustado do modelo completo em contribuições por covariável.
Separação de Seleção e Estimação: O método realiza a seleção sem encolhimento. Uma vez identificado o subconjunto ideal via jogo de Shapley, utiliza-se o OLS padrão nos dados transformados within para a estimação final, preservando a interpretabilidade dos coeficientes.
Tratamento de Efeitos Fixos: A abordagem trata explicitamente os efeitos fixos como não-jogadores, garantindo que a seleção seja robusta à especificação dos efeitos de unidade e de tempo.
Consistência Teórica: O artigo estabelece que, sob suposições de regularidade padrão, os valores de Shapley estimados convergem para os valores populacionais, e a Regra B recupera consistentemente o conjunto ativo verdadeiro conforme $N \times T \to \infty$ .

Resultados Empíricos e de Simulação

Simulações de Monte Carlo:
- Simulações através de cinco tamanhos de amostra ( $N \times T$ variando de 50 a 4000) com 6 covariáveis (3 ativas, 3 de ruído) demonstram que a Regra B recupera o conjunto ativo verdadeiro com precisão e revocação quase perfeitas (F1 score $\approx$ 1,0) em tamanhos de amostra moderados ( $N \times T \geq 450$ ).
- A Regra A mantém alta revocação, mas sofre de uma taxa de falsos positivos persistente (precisão $\approx$ 0,79) porque o ruído de amostragem ocasionalmente atribui valores positivos pequenos a covariáveis de ruído.
- As simulações confirmam que a função característica penalizada ( $R^2$ ajustado) atribui valores negativos às covariáveis de ruído em expectativa, permitindo uma seleção eficaz.
Aplicação Empírica (Regressões de Crescimento):
- Aplicado a dados em painel de 45 países (20 desenvolvidos, 25 em desenvolvimento) de 2000–2023 para explicar o crescimento do PIB.
- Achados: O método FESV selecionou modelos parcimoniosos (3–7 variáveis) em comparação com a especificação completa de 10 variáveis.
  - Desenvolvidos: Selecionou Abertura Comercial, FDI, Crescimento Populacional, Inflação, Educação, Desemprego e Eficácia Governamental.
  - Em Desenvolvimento: Selecionou FDI, Taxa de Câmbio e Crescimento Populacional.
  - Agrupados (Pooled): Selecionou FDI, Crescimento Populacional, Abertura Comercial e Dívida.
- Desempenho: Os modelos selecionados alcançaram pontuações BIC menores do que os modelos completos, retendo os principais determinantes. O $R^2$ ajustado diminuiu apenas marginalmente.
- Comparação: As classificações do FESV alinharam-se estreitamente com os modelos de Seleção de Variáveis de Painel Bayesiano (BPVS) em relação às variáveis de topo (ex: FDI e Crescimento Populacional foram consistentemente preditores de topo). No entanto, o FESV produziu modelos mais parcimoniosos, enquanto o BPVS reteve todas as variáveis devido às altas probabilidades de inclusão posterior.

Significância e Alegações
O artigo alega que o FESV oferece uma ferramenta de seleção de covariáveis para modelos de painel que é transparente, computacionalmente eficiente e teoricamente fundamentada. Sua principal significância reside em:

Transparência: Converte a "caixa preta" da seleção de variáveis em uma atribuição auditável de poder explicativo, onde a contribuição de cada variável é explicitamente calculada e soma exatamente o ajuste total do modelo.
Parcimônia sem Encolhimento: Alcança a esparsidade do modelo através de uma penalidade de teoria dos jogos sobre os graus de liberdade, em vez de encolhimento de coeficientes, permitindo a inferência pós-seleção padrão.
Robustez: O método mostra-se consistente com abordagens bayesianas na identificação de drivers principais, mas superior na produção de uma especificação única, defensável e parcimoniosa.

Limitações Reconhecidas
Os autores observam que a enumeração exata de $2^p$ coalizões limita o método a números moderados de covariáveis (embora existam aproximações de amostragem). O framework atual é limitado a modelos lineares com resultados contínuos, e o artigo não fornece uma teoria formal para inferência pós-seleção (ex: intervalos de confiança válidos após a seleção), apontando para discussões de literatura existente para trabalhos futuros.

Resumo Técnico: Seleção de Covariáveis via Valor de Shapley de Efeitos Fixos em Modelos de Painel

Mais como este