Module III · Quantitative Validation Layer Módulo III · Capa de Validación Cuantitativa

Method Validation Handbook

Manual de Validación de Métodos

A generic protocol for executing selected methods, calculating their indices, producing diagnostics, documenting sensitivity and robustness, and delivering a complete Method Evidence Report for Module IV decision-making.

Un protocolo genérico para ejecutar métodos seleccionados, calcular sus índices, producir diagnósticos, documentar sensibilidad y robustez, y entregar un Method Evidence Report completo para la toma de decisiones del Módulo IV.

Core principle Principio central Module III calculates and documents. Module IV interprets, accepts, conditions, rejects, and decides. El Módulo III calcula y documenta. El Módulo IV interpreta, acepta, condiciona, rechaza y decide.
Module III Validation · Generic Handbook Validación del Módulo III · Manual Genérico

Black-box rule of the handbook

Regla de caja negra del manual

Assume that Module II has already defined the required evidence and that Module III has already selected one or more eligible methods for producing it. Asumir que el Módulo II ya definió la evidencia requerida y que el Módulo III ya seleccionó uno o más métodos elegibles para producirla.

This handbook does not redefine the case, rediscover variables, or decide which evidence is needed. Its task is to execute the selected method architecture, calculate all required indices, run the necessary diagnostics, quantify uncertainty, and produce a standardized technical evidence object for Module IV.

Este manual no redefine el caso, no redescubre variables ni decide qué evidencia se necesita. Su tarea es ejecutar la arquitectura metodológica seleccionada, calcular todos los índices requeridos, correr los diagnósticos necesarios, cuantificar incertidumbre y producir un objeto técnico estandarizado para el Módulo IV.

Boundary: Module III does not decide whether an index is scientifically acceptable for the case. It calculates, validates computationally, and reports. Contextual acceptance belongs to Module IV. Frontera: el Módulo III no decide si un índice es científicamente aceptable para el caso. Calcula, valida computacionalmente y reporta. La aceptación contextual pertenece al Módulo IV.

1. Position in the full framework

1. Posición dentro del framework completo

MODULE I
Case and variable eligibility
        ↓
MODULE II
Evidence requirements
        ↓
MODULE III — Conceptual Layer
Method capability and method selection
        ↓
MODULE III — Method Validation Handbook
Execution + indices + diagnostics + uncertainty
        ↓
METHOD EVIDENCE REPORT
        ↓
MODULE IV
Interpretation + decision rules + acceptance logic
        ↓
PASS / CONDITIONAL / FAIL / RETURN
LayerCapaPrimary questionPregunta principalPrimary outputSalida principal
Module IWhat parts of the case are usable?¿Qué partes del caso son utilizables?Validated case and variablesCaso y variables validadas
Module IIWhat evidence is required?¿Qué evidencia se requiere?ESS
Module III ConceptualWhich method can produce the evidence?¿Qué método puede producir la evidencia?MSS
Module III ValidationWhat did the method calculate and how stable is it?¿Qué calculó el método y qué tan estable es?MER
Module IVWhat do the indices mean for this case?¿Qué significan los índices para este caso?Decision and scientific statusDecisión y estado científico

2. Handbook objective

2. Objetivo del manual

The objective is to convert each selected method into a reproducible quantitative execution package. Every package must specify inputs, preprocessing, parameters, algorithm execution, indices, diagnostics, uncertainty, sensitivity, robustness, failure signals, and output artifacts.

El objetivo es convertir cada método seleccionado en un paquete cuantitativo reproducible de ejecución. Cada paquete debe especificar entradas, preparación, parámetros, ejecución algorítmica, índices, diagnósticos, incertidumbre, sensibilidad, robustez, señales de fallo y artefactos de salida.

The handbook answers: “What must be calculated, checked, and reported so that Module IV can judge the evidence without rerunning the scientific design?” El manual responde: “¿Qué debe calcularse, revisarse y reportarse para que el Módulo IV pueda juzgar la evidencia sin rediseñar la ciencia?”

3. Universal validation pipeline

3. Pipeline universal de validación

  1. Receive the ESS requirement and selected MSS method.
  2. Recibir el requisito ESS y el método seleccionado en el MSS.
  3. Resolve the exact algorithmic variant and parameter space.
  4. Resolver la variante algorítmica exacta y el espacio de parámetros.
  5. Prepare the data using only transformations allowed by the ESS and MSS.
  6. Preparar los datos usando solamente transformaciones permitidas por ESS y MSS.
  7. Execute the primary method and all required companion procedures.
  8. Ejecutar el método principal y todos los procedimientos complementarios requeridos.
  9. Calculate native indices, effect measures, uncertainty, and diagnostics.
  10. Calcular índices nativos, medidas de efecto, incertidumbre y diagnósticos.
  11. Run sensitivity, robustness, resampling, and failure-detection procedures.
  12. Ejecutar sensibilidad, robustez, remuestreo y detección de fallos.
  13. Generate tables, plots, residual objects, logs, and machine-readable outputs.
  14. Generar tablas, gráficos, residuos, logs y salidas legibles por máquina.
  15. Assemble the Method Evidence Report without contextual acceptance decisions.
  16. Ensamblar el Method Evidence Report sin decisiones contextuales de aceptación.

4. Universal method execution specification

4. Especificación universal de ejecución del método

METHOD EXECUTION SPECIFICATION

Case ID:
ESS Evidence ID:
MSS Method ID:
Evidence Type:
Scientific Question:

Primary Method:
Exact Algorithm / Variant:
Software / Library / Version:
Random Seed:
Execution Environment:

Input Variables:
Target Variable:
Unit of Analysis:
Grouping Structure:
Time Structure:
Spatial Structure:

Required Preprocessing:
Excluded Transformations:
Missing-Value Strategy:
Scaling / Encoding:
Feature Construction:
Leakage Controls:

Hyperparameters / Parameters:
Search Space:
Selection Rule:
Stopping Rule:

Required Companion Methods:
Required Baseline:
Required Resampling:
Required Sensitivity Tests:
Expected Output Objects:

5. Universal index architecture

5. Arquitectura universal de índices

Every method package must calculate indices in distinct families. The exact indices vary by method, but the families remain constant.

Cada paquete metodológico debe calcular índices en familias distintas. Los índices exactos varían por método, pero las familias permanecen constantes.

Index familyFamilia de índicesPurposePropósitoExamplesEjemplos
Primary estimateEstimado principalThe method’s central result.Resultado central del método.Coefficient, correlation, odds ratio, forecast, effect, divergence, attribution.
MagnitudeMagnitudHow large the observed effect, error, dependence, or contribution is.Qué tan grande es el efecto, error, dependencia o contribución.Effect size, R², Cramér’s V, distance correlation, SHAP magnitude.
UncertaintyIncertidumbreHow uncertain the estimate is.Qué tan incierto es el estimado.Standard error, confidence interval, credible interval, bootstrap interval.
FitAjusteHow well the model reproduces or represents observed data.Qué tan bien reproduce o representa los datos.Log-likelihood, deviance, RMSEA, CFI, residual fit.
GeneralizationGeneralizaciónHow well performance transfers to unseen data.Qué tan bien se transfiere a datos no vistos.MAE, RMSE, AUC, PR-AUC, log loss, out-of-time error.
CalibrationCalibraciónWhether predicted probabilities or intervals match reality.Si probabilidades o intervalos corresponden con la realidad.Brier score, calibration slope, coverage.
Residual diagnosticsDiagnósticos residualesWhether unexplained structure remains.Si permanece estructura sin explicar.Ljung–Box, residual Moran’s I, heteroscedasticity tests.
StabilityEstabilidadWhether results persist under resampling or repeated execution.Si los resultados persisten bajo remuestreo o repetición.Fold variance, seed variance, bootstrap stability, rank stability.
RobustnessRobustezWhether conclusions survive plausible perturbations.Si las conclusiones sobreviven perturbaciones plausibles.Noise sensitivity, missingness sensitivity, bandwidth sensitivity.
Computational profilePerfil computacionalExecution feasibility and reproducibility.Factibilidad y reproducibilidad.Runtime, memory, convergence, iterations, GPU/CPU use.

6. Universal diagnostics layer

6. Capa universal de diagnósticos

Diagnostic areaÁrea diagnósticaRequired questionPregunta requerida
Input integrityIntegridad de entradasWere the correct variables, rows, units, timestamps, and locations used?¿Se usaron variables, filas, unidades, tiempos y ubicaciones correctas?
Assumption diagnosticsDiagnósticos de supuestosWhich method assumptions are empirically checkable, and what did those checks show?¿Qué supuestos son comprobables y qué mostraron?
ConvergenceConvergenciaDid optimization, sampling, or estimation converge reliably?¿La optimización, muestreo o estimación convergió de forma fiable?
Residual structureEstructura residualDoes unexplained temporal, spatial, nonlinear, or distributional structure remain?¿Permanece estructura temporal, espacial, no lineal o distributiva sin explicar?
Outlier and influenceValores extremos e influenciaAre results driven by a few observations, regions, groups, or studies?¿Los resultados están dominados por pocas observaciones, regiones, grupos o estudios?
MultiplicityMultiplicidadWere repeated tests, lags, variables, locations, or subgroups controlled?¿Se controlaron pruebas, rezagos, variables, ubicaciones o subgrupos múltiples?
SupportSoporteAre estimates produced inside regions with sufficient data support?¿Los estimados se producen dentro de regiones con soporte suficiente?
LeakageFugaDid future, target-derived, duplicate, or post-outcome information enter execution?¿Entró información futura, derivada del objetivo, duplicada o posterior?

7. Sensitivity analysis protocol

7. Protocolo de análisis de sensibilidad

Sensitivity analysis determines how much the calculated evidence changes when defensible analytical choices change.

El análisis de sensibilidad determina cuánto cambia la evidencia calculada cuando cambian decisiones analíticas defendibles.

Parameter sensitivitySensibilidad de parámetrosLags, bandwidths, thresholds, priors, kernels, depth, regularization.Rezagos, anchos, umbrales, priors, kernels, profundidad, regularización.
Preprocessing sensitivitySensibilidad de preparaciónScaling, encoding, imputation, detrending, normalization.Escalamiento, codificación, imputación, detrending, normalización.
Sample sensitivitySensibilidad muestralBootstrap, leave-one-out, subgroup removal, study influence.Bootstrap, leave-one-out, eliminación de subgrupos, influencia de estudios.
Structural sensitivitySensibilidad estructuralAlternative model forms, graphs, control sets, neighborhood matrices.Formas alternativas, grafos, controles, matrices de vecindad.
Temporal sensitivitySensibilidad temporalAlternative windows, horizons, lags, intervention dates.Ventanas, horizontes, rezagos y fechas alternativas.
Spatial sensitivitySensibilidad espacialProjection, scale, boundary, distance band, edge correction.Proyección, escala, frontera, banda y corrección de borde.

8. Robustness protocol

8. Protocolo de robustez

Robustness analysis evaluates whether the method evidence remains materially similar under plausible disturbances to the data or execution environment.

El análisis de robustez evalúa si la evidencia metodológica permanece materialmente similar bajo perturbaciones plausibles de los datos o del entorno de ejecución.

Robustness challengeDesafío de robustezGeneric procedureProcedimiento genérico
NoiseRuidoInject small controlled perturbations and recalculate core indices.Inyectar perturbaciones controladas y recalcular índices centrales.
MissingnessFaltantesCompare approved missing-data strategies and missingness levels.Comparar estrategias aprobadas y niveles de faltantes.
Sample sizeTamaño muestralUse learning curves, subsampling, or repeated reduced samples.Usar curvas de aprendizaje, submuestreo o muestras reducidas repetidas.
Class imbalanceDesbalance de clasesEvaluate prevalence shifts, class weighting, and threshold stability.Evaluar cambios de prevalencia, pesos y estabilidad de umbrales.
Distribution shiftCambio distributivoTest performance across periods, sites, subgroups, or shifted feature distributions.Probar rendimiento entre periodos, sitios, subgrupos o distribuciones cambiadas.
RandomnessAleatoriedadRepeat across seeds, folds, chains, or initialization states.Repetir entre semillas, folds, cadenas o inicializaciones.
ImplementationImplementaciónVerify reproducibility across software versions or independent implementations when critical.Verificar reproducibilidad entre versiones o implementaciones independientes cuando sea crítico.

9. Evidence-family validation registry

9. Registro de validación por familia de evidencia

Evidence familyFamilia de evidenciaTypical primary indicesÍndices primarios típicosTypical diagnosticsDiagnósticos típicos
AssociationAsociaciónr, ρ, τ, Phi, Cramér’s V, distance correlation, MIC.Linearity, monotonicity, ties, outliers, confidence intervals, permutation.Linealidad, monotonicidad, empates, extremos, intervalos y permutación.
DependenceDependenciaχ², exact p-value, mutual information, HSIC, distance covariance.Expected counts, sparsity, kernel/bandwidth, permutation null, multiplicity.Conteos esperados, escasez, kernel/ancho, nulo por permutación y multiplicidad.
InformationInformaciónEntropy, MI, information gain, KL, JSD, transfer entropy.Estimator bias, support, log base, binning, surrogate tests, lag sensitivity.Sesgo del estimador, soporte, base log, bins, surrogates y rezagos.
TimeTiempoACF, CCF, forecast error, likelihood, state probabilities, DTW distance.Stationarity, residual autocorrelation, rolling validation, interval coverage, lag stability.Estacionariedad, autocorrelación residual, validación rodante, cobertura y estabilidad.
SpaceEspacioMoran’s I, Geary’s C, K/L functions, Gi*, spatial parameters, kriging error.Weights sensitivity, edge correction, spatial cross-validation, residual spatial dependence.Sensibilidad a pesos, bordes, validación espacial y dependencia residual.
PredictionPredicciónMAE, RMSE, R², AUC, PR-AUC, F1, log loss, Brier, calibration.Leakage, baseline comparison, fold stability, subgroup performance, drift.Fuga, línea base, estabilidad, subgrupos y drift.
ExplanationExplicaciónSHAP values, local fidelity, PDP/ICE/ALE profiles, importance scores, rule fidelity.Baseline sensitivity, correlation, support, seed stability, extrapolation.Sensibilidad a referencia, correlación, soporte, semillas y extrapolación.
CausalityCausalidadCausal effect, first-stage statistics, pre-trends, cutoff effect, path coefficients.Identification checks, placebo tests, falsification, sensitivity, weak instruments, bandwidth.Identificación, placebos, falsificación, sensibilidad, instrumentos débiles y ancho.
IntegrationIntegraciónPosterior, ensemble gain, criteria score, pooled effect, I², τ², model weights.Compatibility, heterogeneity, duplication, prior/weight sensitivity, influence analysis.Compatibilidad, heterogeneidad, duplicación, sensibilidad de pesos e influencia.

10. Example: prediction method package

10. Ejemplo: paquete de método predictivo

EVIDENCE TYPE: PREDICTION
PRIMARY METHOD: Random Forest

CALCULATE
- Accuracy
- Precision
- Recall / Sensitivity
- Specificity
- F1
- ROC-AUC
- PR-AUC
- Log Loss
- Brier Score
- Calibration Slope
- Calibration Intercept
- OOB Error
- Confusion Matrix
- Permutation Importance
- Importance Stability

DIAGNOSTICS
- Leakage Check
- Class Imbalance
- Group / Time Split Validity
- Calibration Curve
- Learning Curve
- Fold Variance
- Seed Variance
- Subgroup Performance
- Drift Sensitivity

REPORT
- Values
- Intervals
- Fold Distribution
- Plots
- Runtime
- Memory
- Failure Flags

DO NOT DECIDE HERE
- Whether AUC is sufficient
- Whether calibration is acceptable
- Whether the model should be deployed

11. Example: temporal method package

11. Ejemplo: paquete de método temporal

EVIDENCE TYPE: TEMPORAL PRECEDENCE
PRIMARY METHOD: Granger

CALCULATE
- Lag-Specific F Statistics
- p-values
- AIC
- BIC
- Residual Variance
- Reverse-Direction Test
- Forecast Improvement
- Confidence Intervals

DIAGNOSTICS
- Event-Time Validation
- Stationarity Checks
- Lag Selection
- Residual Autocorrelation
- Ljung–Box
- Stability Across Windows
- Out-of-Time Validation
- Common-Driver Sensitivity

REPORT
- Results by Lag
- Direction X→Y
- Direction Y→X
- Stable Lag Set
- Residual Diagnostics
- Sensitivity Tables
- Interpretation Boundary

DO NOT DECIDE HERE
- Whether precedence is causal
- Whether one significant lag is sufficient
- Whether the result supports intervention

12. Example: causal method package

12. Ejemplo: paquete de método causal

EVIDENCE TYPE: POLICY EFFECT
PRIMARY METHOD: Difference in Differences

CALCULATE
- Treatment Effect
- Standard Error
- Confidence Interval
- Event-Study Coefficients
- Pre-Treatment Coefficients
- Cluster-Robust Uncertainty
- Subgroup Effects

DIAGNOSTICS
- Parallel-Trend Evidence
- No-Anticipation Check
- Spillover Review
- Composition Stability
- Placebo Dates
- Placebo Outcomes
- Alternative Control Groups
- Alternative Time Windows

REPORT
- Main Effect
- Event-Study Plot
- Pre-Trend Table
- Placebo Results
- Sensitivity Results
- Population Scope
- Identification Assumptions

DO NOT DECIDE HERE
- Whether the causal claim is accepted
- Whether the effect is practically important
- Whether the policy should be adopted

13. Failure detection framework

13. Framework de detección de fallos

Failure classClase de falloGeneric signalSeñal genéricaModule III actionAcción del Módulo III
Execution failureFallo de ejecuciónAlgorithm does not converge or crashes.El algoritmo no converge o falla.Retry approved variant; log failure; do not fabricate indices.Reintentar variante aprobada; registrar; no fabricar índices.
Input failureFallo de entradaWrong variable type, insufficient support, invalid order, or corrupted structure.Tipo incorrecto, soporte insuficiente, orden inválido o estructura dañada.Return to MSS/ESS with explicit reason.Regresar a MSS/ESS con razón explícita.
Diagnostic failureFallo diagnósticoCritical residual or assumption check fails.Falla un supuesto o diagnóstico crítico.Calculate fallback or robust variant if preauthorized.Calcular variante robusta o fallback si estaba autorizada.
Instability failureFallo de inestabilidadLarge variation across folds, seeds, windows, priors, or weights.Gran variación entre folds, semillas, ventanas, priors o pesos.Report instability distribution and flag for Module IV.Reportar distribución de inestabilidad y marcar para Módulo IV.
Support failureFallo de soporteEstimates rely on sparse, extrapolated, or non-overlapping regions.Estimados dependen de regiones escasas, extrapoladas o sin solapamiento.Restrict supported region and report coverage.Restringir región soportada y reportar cobertura.
Reproducibility failureFallo de reproducibilidadIndependent rerun does not reproduce material results.Una repetición independiente no reproduce resultados materiales.Investigate seeds, versions, data lineage, and implementation.Investigar semillas, versiones, linaje e implementación.

14. Method Evidence Report (MER)

14. Method Evidence Report (MER)

METHOD EVIDENCE REPORT

Case ID:
ESS Evidence ID:
MSS Method ID:
Execution ID:
Timestamp:
Software / Version:
Data Snapshot ID:

SCIENTIFIC CONFIGURATION
Evidence Type:
Scientific Question:
Inputs:
Target:
Unit of Analysis:
Temporal / Spatial / Group Structure:

METHOD EXECUTION
Primary Method:
Exact Variant:
Parameters:
Preprocessing:
Baseline:
Companion Methods:
Resampling:
Sensitivity Plan:

RESULTS
Primary Estimate:
Magnitude Indices:
Uncertainty:
Fit Indices:
Generalization Indices:
Calibration Indices:
Residual Diagnostics:
Stability Indices:
Robustness Results:
Computational Profile:

ARTIFACTS
Tables:
Plots:
Residual Objects:
Model Object:
Logs:
Machine-Readable Output:

FAILURE FLAGS
Execution:
Input:
Diagnostics:
Stability:
Support:
Reproducibility:

INTERPRETATION BOUNDARY
Allowed Interpretation:
Prohibited Interpretation:

MODULE IV HANDOFF
Indices Ready:
Diagnostics Ready:
Sensitivity Ready:
Robustness Ready:
Decision Status:
NOT EVALUATED IN MODULE III

15. Module III validation statuses

15. Estados de validación del Módulo III

StatusMeaningSignificado
EXECUTEDThe method ran and produced the required technical outputs.El método corrió y produjo las salidas técnicas requeridas.
EXECUTED WITH FLAGSThe method produced outputs, but diagnostics, support, or stability issues exist.El método produjo salidas, pero existen problemas diagnósticos, de soporte o estabilidad.
PARTIALLY EXECUTEDSome required indices or diagnostics could not be calculated.Algunos índices o diagnósticos no pudieron calcularse.
NOT EXECUTABLEThe selected method cannot run under the current data or specification.El método no puede ejecutarse con los datos o especificación actuales.
RETURN REQUIREDThe case must return to the MSS or ESS because a fundamental specification problem was found.El caso debe regresar al MSS o ESS por un problema fundamental de especificación.
Important: these are execution statuses, not scientific acceptance decisions. Importante: estos son estados de ejecución, no decisiones de aceptación científica.

16. Generic workshop

16. Taller genérico

Case A: AUC = 0.91, calibration slope = 0.62, subgroup recall varies from 0.88 to 0.41 Caso A: AUC = 0.91, pendiente de calibración = 0.62, recall por subgrupo varía de 0.88 a 0.41
Report all indices, calibration defect, subgroup instability, and EXECUTED WITH FLAGS. Do not decide deployment.Reportar índices, defecto de calibración, inestabilidad por subgrupo y EXECUTED WITH FLAGS. No decidir despliegue.
Case B: Granger is significant only at one of twenty tested lags Caso B: Granger es significativo solo en uno de veinte rezagos
Report lag multiplicity, correction, instability, reverse direction, and residual diagnostics. Module IV decides whether evidence is acceptable.Reportar multiplicidad, corrección, inestabilidad, dirección inversa y residuos. El Módulo IV decide aceptación.
Case C: Meta-analysis produces I² = 84% and one study dominates the pooled result Caso C: Meta-análisis produce I² = 84% y un estudio domina el resultado
Report heterogeneity, influence diagnostics, leave-one-out estimates, prediction interval, and EXECUTED WITH FLAGS.Reportar heterogeneidad, influencia, leave-one-out, intervalo predictivo y EXECUTED WITH FLAGS.
Case D: SEM converges but RMSEA, CFI, TLI, and residuals disagree Caso D: SEM converge pero RMSEA, CFI, TLI y residuos discrepan
Report all fit indices, residuals, modification sensitivity, parameter stability, and no final acceptance decision.Reportar todos los índices, residuos, sensibilidad a modificaciones, estabilidad y sin decisión final.

17. Final handoff contract to Module IV

17. Contrato final de entrega al Módulo IV

Module III must hand over a complete MER containing every calculated index, diagnostic, uncertainty measure, sensitivity result, robustness result, failure flag, and interpretation boundary required for decision-making. El Módulo III debe entregar un MER completo con cada índice calculado, diagnóstico, medida de incertidumbre, resultado de sensibilidad, robustez, bandera de fallo y frontera interpretativa requerida para decidir.
MODULE IV RECEIVES

- What method was executed
- Why it was selected
- Exact configuration
- Exact data used
- All primary indices
- All uncertainty measures
- All diagnostics
- All sensitivity results
- All robustness results
- All failure flags
- All plots and tables
- All interpretation boundaries
- No hidden thresholds
- No hidden exclusions
- No pre-decided acceptance

Handbook closing

Cierre del manual

The Method Validation Handbook is the quantitative engine of Module III. It transforms a conceptual method choice into a reproducible execution, a complete set of indices, and a traceable Method Evidence Report. It does not decide whether the evidence is sufficient for the case. It ensures that Module IV receives everything required to make that decision transparently and consistently.

El Method Validation Handbook es el motor cuantitativo del Módulo III. Transforma una selección conceptual en ejecución reproducible, un conjunto completo de índices y un Method Evidence Report trazable. No decide si la evidencia es suficiente para el caso. Garantiza que el Módulo IV reciba todo lo necesario para decidir de forma transparente y consistente.