La confutazione del modello non è la fine: gli economisti aprono nuove strade per l’inferenza dopo test di specificazione falliti

Quando un modello econometrico non supera un test di specificazione, l’implicazione immediata è chiara: almeno un’ipotesi identificante è incoerente con i dati osservati. Ciò che non è chiaro—e che da tempo costituisce un problema pratico e filosofico nell’economia applicata—è che cosa debba fare il ricercatore dopo. Un filone crescente di ricerca sostiene che la “confutazione del modello” non sia la fine dell’inferenza, bensì un bivio: possono esistere più modi di allentare le ipotesi per ripristinare la compatibilità con i dati, e queste diverse “riparazioni” possono condurre a conclusioni differenti sui parametri strutturali sottostanti.

Un nuovo studio introduce un quadro concettuale volto a rendere l’inferenza più onesta e più stabile esattamente in questa situazione, proponendo un metodo che chiama Post-Relaxation Projection (PR) per i modelli parzialmente identificati. L’affermazione centrale è che, una volta rifiutato il modello originale, l’inferenza non dovrebbe condizionare su un’unica riparazione preferita—perché la scelta della riparazione è essa stessa incerta e spesso poco giustificata. PR è invece concepito per fornire inferenza uniforme post-allentamento (post-relaxation) che rimane valida su un insieme di riparazioni ammissibili.

Il problema di fondo: molte riparazioni, molte risposte

Nella prassi standard, i ricercatori che si imbattono in una confutazione tipicamente “aggiustano” il modello allentando un’ipotesi: per esempio ammettendo un errore di misura limitato, indebolendo un vincolo di esclusione (exclusion restriction), aggiungendo qualche forma di eterogeneità non osservata, oppure consentendo piccole violazioni di monotonicità o di invarianza di rango (rank invariance). Spesso, tuttavia, più allentamenti risultano ugualmente difendibili alla luce della conoscenza istituzionale e delle evidenze disponibili. Il nuovo studio sottolinea che, in questa situazione comune, il vero modello post-confutazione non è identificato: i dati indicano che qualcosa deve cambiare, ma non determinano in modo univoco quale ipotesi sia errata né di quanto debba essere allentata.

Questo crea un rischio inferenziale sottile. Anche se un ricercatore conduce un’inferenza esatta sotto un modello “riparato”, l’insieme di confidenza risultante per un parametro strutturale può escludere valori che sarebbero invece supportati sotto un’altra riparazione altrettanto plausibile. In altre parole, l’inferenza può essere internamente corretta “condizionatamente alla riparazione scelta”, ma fuorviante se vista alla luce dell’incertezza più ampia introdotta dalla confutazione.

Il contributo dell’articolo consiste nel trattare la riparazione come un’ulteriore incognita e nel progettare una procedura che trasmetta le garanzie di copertura attraverso tale incertezza.

Post-Relaxation Projection: un evento di confidenza, molti modelli

PR parte da un principio semplice: dopo una confutazione, l’inferenza dovrebbe tenere conto dell’intera collezione di modelli allentati che soddisfano uno standard minimo di credibilità definito dal ricercatore. Invece di selezionare una sola riparazione e procedere come se fosse corretta, PR costruisce un unico evento di confidenza simultaneo—un enunciato inferenziale progettato per valere su una gamma di possibili allentamenti—e poi proietta tale evento sull’oggetto strutturale di interesse.

Sul piano tecnico, l’ambientazione è quella dell’identificazione parziale, in cui i dati e le ipotesi mantenute implicano un insieme di valori ammissibili del parametro anziché un punto. PR opera (i) definendo una famiglia di “riparazioni” che ripristinano la compatibilità con i dati, (ii) costruendo un insieme di confidenza valido in modo uniforme su tale famiglia e (iii) traducendo (mapping) quell’informazione di confidenza in una regione di confidenza per il parametro obiettivo che rifletta sia l’incertezza campionaria sia l’incertezza sulla riparazione.

Il risultato è concepito per essere robusto rispetto all’incapacità—o alla mancanza di volontà—del ricercatore di specificare in modo univoco il corretto modello post-confutazione. Invece di produrre una risposta ristretta che dipende fortemente da una scelta di riparazione potenzialmente arbitraria, la PR fornisce un’inferenza che resta valida per tutte le riparazioni nella classe ammissibile.

Uno spostamento dell’onere argomentativo

L’impostazione dello studio sposta anche ciò che i ricercatori devono difendere. Nei flussi di lavoro convenzionali, l’onere è giustificare una particolare riparazione e poi riportare i risultati sotto di essa. Con la PR, il giudizio empirico e sostanziale centrale diventa: qual è l’insieme credibile di riparazioni? Non è un cambiamento banale. Spinge il lavoro applicato verso una maggiore trasparenza su quali violazioni delle assunzioni siano ritenute plausibili e scoraggia il “repair shopping”, in cui l’inferenza viene, anche involontariamente, guidata dal ritocco di modellizzazione che produce la risposta più “pulita”.

Gli economisti che studiano l’identificazione sotto assunzioni deboli hanno sostenuto con crescente insistenza che tale trasparenza è cruciale, soprattutto in contesti di policy in cui le conseguenze di un’inferenza eccessivamente sicura possono essere rilevanti. L’approccio PR si inserisce in questo movimento più ampio: accettare che il modello sia stato confutato, consentire un allentamento delle assunzioni, ma garantire che l’inferenza risultante resti disciplinata.

Implicazioni per la pratica empirica

Se adottata, la PR potrebbe rimodellare il modo in cui i lavori empirici presentano i risultati successivi ai test di specificazione. Invece di relegare i test falliti nelle note a piè di pagina o di passare a una specificazione alternativa senza caratterizzare pienamente l’incertezza implicata, i ricercatori potrebbero riportare regioni di confidenza post-allentamento che incorporano esplicitamente molteplici correzioni plausibili. Questo è particolarmente rilevante nelle applicazioni in cui l’identificazione poggia su restrizioni controverse—validità degli strumenti, assunzioni di selezione, forme funzionali o invarianze comportamentali—dove piccole deviazioni possono alterare in modo sostanziale le conclusioni.

A un livello più generale, lo studio tratta la confutazione del modello non come un imbarazzo da mascherare con una toppa, ma come informazione che dovrebbe ampliare l’incertezza in modo fondato.

Perché è importante

L’economia empirica moderna si fonda in larga misura su assunzioni identificative intrinsecamente discutibili. Quando i dati respingono un modello, proseguire con l’inferenza dopo un’unica correzione ad hoc può creare un falso senso di certezza. Metodi come la Post-Relaxation Projection mirano a rendere più credibili le conclusioni post-confutazione, garantendo che restino valide attraverso molteplici modi plausibili in cui il modello potrebbe essere errato.