[論文レビュー] Identifying spatial interdependence in panel data with large N and small T

Deborah Gefang, Stephen Hall+1 more|arXiv (Cornell University)|Sep 7, 2023

Spatial and Panel Data AnalysisEconomics, Econometrics and Finance被引用数 3

ひとこと要約

本稿では、大規模なNと小さなTを特徴とするパネル空間自己回帰モデルの推定に向け、空間重み行列を事前に定義せずに変数選択とパラメータの縮小を可能にするディリクレ・ラプラス事前分布を用いた2段階の変分ベイズアルゴリズムを提案する。この手法は、データから空間的連関を効率的に同定でき、従来の手法よりも高速かつ高精度である。モンテカルロ研究では真の空間重み行列の良好な回復が示され、実応用ではEU地域間の新たな国境を越えた成長連関が明らかになった。

ABSTRACT

This paper develops a simple two-stage variational Bayesian algorithm to estimate panel spatial autoregressive models, where N, the number of cross-sectional units, is much larger than T, the number of time periods without restricting the spatial effects using a predetermined weighting matrix. We use Dirichlet-Laplace priors for variable selection and parameter shrinkage. Without imposing any a priori structures on the spatial linkages between variables, we let the data speak for themselves. Extensive Monte Carlo studies show that our method is super-fast and our estimated spatial weights matrices strongly resemble the true spatial weights matrices. As an illustration, we investigate the spatial interdependence of European Union regional gross value added growth rates. In addition to a clear pattern of predominant country clusters, we have uncovered a number of important between-country spatial linkages which are yet to be documented in the literature. This new procedure for estimating spatial effects is of particular relevance for researchers and policy makers alike.

研究の動機と目的

• 大スケールの横断的単位（N）と少ない時系列期間（T）を持つパネルデータにおいて、空間的連関を特定する課題に取り組む。
• 事前に指定された空間重み行列に依存しない、計算的に効率的な推定手法を開発する。
• 柔軟な事前分布構造を通じて、データ駆動型の空間的リンクの発見を可能にする。
• 高次元空間パネルモデルにおける推定の精度と速度を向上させる。

提案手法

• パネル空間自己回帰モデルの推定に向け、2段階の変分ベイズアルゴリズムを提案する。
• 変数選択とパラメータの縮小を同時に可能にするために、ディリクレ・ラプラス事前分布を用いる。
• リンクの空間的構造に事前に制約を課さず、データが空間的依存関係を決定可能にする。
• 固定または既知の接続構造を仮定せずに、空間重み行列をデータから直接推定する。
• 計算効率が高く、大N・小Tの設定に適したアルゴリズムとして設計されている。
• 真の空間構造が不明な場合でも、空間効果に関する頑健な推論を可能にする。

実験結果

リサーチクエスチョン

• RQ1 事前に空間的構造を仮定しない大N・小Tパネルデータにおいて、空間的連関を信頼性高く同定する方法は何か？
• RQ2 事前に指定された空間重み行列を用いないデータ駆動型ベイズ手法は、真の空間重み行列をどの程度正確に回復できるか？
• RQ3 既存の文献で未発見であった、欧州連合（EU）地域間の地域成長率における主な空間的リンクは何か？
• RQ4 高次元空間パネルモデルにおいて、従来の推定手法と比較して、提案手法の速度と精度はどの程度か？
• RQ5 この手法は、現実の経済データにおいて意味のある地域クラスターや相互依存関係を明らかにできるか？

主な発見

• 提案手法は従来の手法よりも顕著に高速であり、大N・小Tの設定においても効率的な推定が可能である。
• モンテカルロ研究により、推定された空間重み行列が真の母集団行列に非常に近いことが示された。
• 本手法は、EU地域成長ダイナミクスにおける主要な国別クラスタを的確に同定した。
• EU地域の付加価値成長における、これまで文書化されていなかった国境を越えた新たな空間的リンクが同定された。
• ディリクレ・ラプラス事前分布の使用により、効果的な縮小と変数選択が実現され、モデルの解釈性が向上した。
• 実応用の結果、従来の文献で検出されていなかった空間的連関パターンが明らかになったことから、本手法は政策に有用な知見を提供する可能性を示した。