[論文レビュー] A General Framework for Inference on Shape Restrictions

Zheng Fang, Juwon Seo|arXiv (Cornell University)|Oct 17, 2019

Income, Poverty, and Inequality参考文献 139被引用数 6

ひとこと要約

この論文は、経済推計学における形状制約の推論のための計算的に効率的なブートストラップ検定を、一般的な形状制約の凸錐構造を活用することで提案する。集合推定を必要とせず、テスト統計量そのものから導かれる単純な臨界値を用いることで、非標準的で非パラメトリックな設定においても一様漸近的サイズ制御を達成する。強力な近似を用いることで、理論的妥当性を保証する。

ABSTRACT

This paper presents a general and uniformly valid procedure for conducting inference on shape restrictions. The key insight we exploit is that common shape restrictions in economics often form convex cones, a simple and yet elegant structure that has been barely harnessed in the literature. Based on a monotonicity property afforded by such a geometric structure, we develop a bootstrap test that is computationally convenient to implement. In particular, unlike many studies in similar nonstandard settings, the procedure dispenses with set estimation, and the critical values are obtained in a way as simple as computing the test statistic. Moreover, by appealing to the machinery of strong approximations, we accommodate nonparametric settings where estimators of the parameter of interest may not admit asymptotic distributions. We establish asymptotic uniform size control of our test, and characterize classes of alternatives against which it has nontrivial power. Since the test entails a tuning parameter (due to the inherent nonstandard nature of the problem), we propose a data-driven choice and prove its validity. Monte Carlo simulations confirm that our test works well.

研究の動機と目的

• 経済推計モデルにおける形状制約のための一様に有効な推論手順の開発。
• 従来の推論が失敗する非パラメトリック設定における非標準的漸近的分布の課題に対処すること。
• 形状制約推論における計算的に高コストな集合推定の必要性を排除すること。
• テスト手順におけるチューニングパラメータの選択のためのデータ駆動型手法の提供。
• テストが漸近的の一様サイズ制御を維持し、関連する代替仮説に対して非自明なパワーを有することの保証。

提案手法

• 一般的な形状制約（例：単調性、凸性）がパラメータ空間において凸錐を形成する幾何的性質を活用する。
• 凸錐に内在する単調性を利用し、テスト統計量そのものから直接臨界値を導出するブートストラップに基づく検定を構築する。
• 集合推定を回避するため、帰無仮説の分布をブートストラップ再標本によって近似するピボット統計量に依存する。
• 非パラメトリック推定量が標準的漸近的分布を持たない場合にも対応するため、強力な近似理論を適用する。
• 帰無仮説の下で有効であることが証明された、データ駆動型のチューニングパラメータ選択ルールを導入する。
• 錐内でのノルムの選択に依存しないテスト統計量を採用することで、頑健性と計算効率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 集合推定や複雑な臨界値計算を要せず、一様に有効な推論手順を形状制約に対して開発することは可能か？
• RQ2 形状制約の凸錐構造を活用することで、非標準的設定において計算の簡便性と理論的妥当性をどのように確保できるか？
• RQ3 形状制約推論検定におけるチューニングパラメータの有効でデータ駆動型の選択方法は何か？
• RQ4 推定量が漸近的分布を持たない場合でも、提案された検定は弱い正則性条件のもとで漸近的の一様サイズ制御を維持するか？
• RQ5 この検定はどのような代替仮説クラスに対して非自明なパワーを有するのか？また、有限標本ではどのように性能を示すか？

主な発見

• 提案されたブートストラップ検定は、推定量が標準的漸近的分布を持たない場合でも、帰無仮説の下で漸近的の一様サイズ制御を達成する。
• 集合推定を必要としないため、従来の手法と比較して計算負荷を著しく低減する。
• 臨界値はブートストラップ分布の単純な分位数として得られるため、手続きが計算的に便利である。
• データ駆動型のチューニングパラメータ選択ルールは有効であることが証明されており、有限標本でも正しいサイズを維持する。
• モンテカルロシミュレーションにより、良好な有限標本性能が確認され、検定の信頼性と実用性が裏付けられる。
• 特に形状制約から顕著に逸脱する代替仮説に対して、広いクラスの代替仮説に対して非自明なパワーを有する。