La divisoria de los datos: cómo un simple interruptor 'sí/no' revela modelos multidimensionales ✛

‹›

En un mapa topográfico, las gotas de lluvia eligen su camino: al caer en una ladera, fluyen hacia el río A; en otra, hacia el río B. El observador solo ve los meandros de los ríos (variables de respuesta Y) y sabe de qué ladera proviene el agua (instrumento Z), pero no ve las gotas en sí (factores no observables ε). Este es el dilema del econometrista: a partir de dos mapas de escorrentía, debe reconstruir la forma del relieve (ecuación estructural m) con solo una elección binaria de laderas.

La respuesta clásica requería o bien un instrumento continuo rico o fuertes restricciones en la forma del modelo. Pero la naturaleza de los ríos es diferente: el agua fluye cuesta abajo sin formar ciclos — en matemáticas, esto se llama monotonicidad cíclica (propiedad que prohíbe los ciclos cerrados de incrementos). El descubrimiento es que esta propiedad basta para que incluso un simple interruptor de laderas permita recuperar todo el paisaje. En la base se encuentra la danza de dos distribuciones y su acoplamiento óptimo.

En el mundo multidimensional, el truco clásico de la variable de control no funciona: no se pueden ordenar vectores de manera única. En su lugar, el autor tiende un puente hacia la teoría del transporte óptimo, un método para mover masa de probabilidad con costo mínimo. Para cada gota de lluvia U, su trayectoria X = h(Z,U) en la ladera Z obedece un mapeo cíclicamente monótono, el análogo multidimensional de ser no decreciente. Gracias al teorema de Brenier, dicho mapeo es único e invertible casi con seguridad. Por tanto, se puede definir un 'mapa de rangos' $R_z$, el mapeo inverso que traslada puntos de una ladera a puntos de la otra con el mismo rango. La divisoria es el conjunto donde el mapa de rangos no desplaza el punto: $R_z$(x) = x.

Las condiciones técnicas requieren suavidad de las densidades, acotación y ausencia de degeneración: la matriz jacobiana del mapeo $R_z$(x)-x debe tener rango constante en un entorno de la divisoria. Entonces, un proceso iterativo — cambiar de ladera y aplicar el mapa de rangos — hace que cualquier punto inicial ruede hacia la divisoria, conservándose en cada paso la distribución condicional de la lluvia ε. Esta es la clave de la identificación. Además, la condición es verificable: el autor dedujo la asintótica del proceso empírico de la diferencia de dos funciones de distribución condicionales. Resulta que, cuando la muestra crece, este proceso converge a un gaussiano, lo que significa que se pueden construir intervalos de confianza y probar directamente con los datos la existencia de la divisoria.

Para la ciencia aplicada, esto elimina una vieja limitación: ya no se necesitan instrumentos artificiosos. Un simple factor binario basta para estimar de manera no paramétrica efectos multidimensionales complejos. El trabajo abre la puerta a un análisis causal más honesto en economía, epidemiología y ciencias sociales. Por delante queda el desarrollo de algoritmos para altas dimensiones; de momento, cada iteración es como un paso en las montañas con los ojos vendados. Pero cuando se coronen esas cumbres, la divisoria se convertirá en una herramienta precisa. Ahora, al mirar el mapa de los ríos, el observador no ve solo meandros, sino las líneas ocultas del relieve, trazadas por el flujo de gotas invisibles.