[論文レビュー] Linear Multidimensional Regression with Interactive Fixed-Effects

Hugo Freeman|arXiv (Cornell University)|Sep 23, 2022

Spatial and Panel Data Analysis被引用数 5

ひとこと要約

本稿は、インタラクティブ固定効果を伴う線形多次元パネルデータモデルに対して、グループ固定効果およびカーネル加重固定効果手法を導入し、誤差構造に関する事前知識がなくても、パrametricな速度で一貫した推定が可能であることを示している。標準的因子手法はインタラクティブ効果構造が既知の場合に良好に機能するが、新しい手法は高次元設定においてロバスト性と高速収束性を提供する。

ABSTRACT

This paper studies a linear model for multidimensional panel data of three or more dimensions with unobserved interactive fixed-effects. The main estimator uses a Neyman-orthogonal approach, and requires two preliminary steps. First, the model is embedded within a two-dimensional panel framework where factor model methods in Bai (2009) lead to consistent, but slowly converging, estimates. The second step develops a weighted-within transformation that is robust to multidimensional interactive fixed-effects and achieves the parametric rate of consistency. The estimator is shown to be asymptotically normal. The methods are implemented to estimate the demand elasticity for beer.

研究の動機と目的

• パネルデータにおいて3つ以上の次元にわたる未観測の異質性を追加スカラ固定効果で制御するという限界に対処すること。
• 多次元データに未観測の乗法的固定効果が存在する状況で、観測された共変数の係数を推定するための手法を開発すること。
• グループ固定効果（GFE）およびカーネル加重固定効果を、標準的因子手法の代替としてのロバスト性と理論的・実証的裏付けを与えること。
• シミュレーションおよび実世界の需要価格弾力性応用を通じて、インタラクティブ固定効果構造が既知または未知の場合のさまざまな推定量の性能を評価すること。

提案手法

• Bai (2009) が提示した既存の因子構造手法を活用できる標準的2次元パネルフレームワーク内に、3次元のインタラクティブ固定効果モデルを埋め込む。
• 標準的因子手法が一貫したパrameter推定を提供する十分条件を導出するが、収束速度が遅くなる可能性がある。
• Bonhomme, Lamadon, and Manresa (2021) が開発したクラスタリング技術を多次元データに適応し、グループ固定効果（GFE）を導入する。
• 未観測のインタラクティブ固定効果を除去するための新規なカーネル加重内変換を提案し、モデル誤指定に対するロバスト性を向上させる。
• 内変換およびクラスタリング手法を用いて、すべての次元に同時に乗法的未観測異質性を制御する。
• 各次元ごとにブートストラップリサンプリングを実施し、標準誤差を計算するとともに、推論のロバスト性を評価する。

実験結果

リサーチクエスチョン

• RQ1 インタラクティブ固定効果項の構造が既知である場合、標準的2次元因子手法は3次元以上のパネルデータモデルにおいても一貫性を保つ条件は何か？
• RQ2 インタラクティブ効果構造の真の構造を事前に知らない状況でも、グループ固定効果（GFE）およびカーネル加重固定効果手法がパラメトリックな収束速度の一貫性を達成できるか？
• RQ3 有限標本において、提案手法は従来の固定効果推定量および因子ベース推定量と比較して、バイアス、分散、および効率性の観点でどのように異なるか？
• RQ4 高次元固定効果は、複雑な多次元構造を有するデータセットにおいて、実世界の需要モデリングにおいてどのような実証的関連性を持つのか？
• RQ5 インスツルメンタル変数（IV）推定量は、変数が次元の一部でのみ変動する場合、高次元設定においてどの程度崩壊するのか？

主な発見

• 標準的因子手法は、インタラクティブ固定効果項の構造が既知の場合に一貫性を示すが、収束速度が遅くなる可能性がある。
• グループ固定効果（GFE）およびカーネル加重固定効果手法は、ある種の正則性条件のもとで、真のインタラクティブ効果構造を事前に知らない状況でもパラメトリックな収束速度の一貫性を達成する。
• シミュレーションにより、インタラクティブ効果構造が未知または誤って指定されている場合、GFEおよびカーネル手法が標準的因子手法よりもロバストであることが確認された。
• ビール需要への実証応用において、すべての固定効果推定量が類似した平均弾力性推定値をもたらしたため、このデータセットにおける未観測異質性は、高次元の射影手法を必要とするほど複雑ではないと考えられる。
• プールドIV推定量は、標準誤差が非常に大きくなる傾向にあり、変数が次元の一部でのみ変動するため、インスツルメンタル変数が弱いかつ信頼性に欠ける可能性を示唆している。
• 本研究は、高次元データにおいて、インスツルメンタル変数がすべての次元で変動しない場合、標準的IV手法が制限を受ける可能性があることを示しており、ロバストな固定効果手法の必要性を強調している。