[論文レビュー] Quantile Estimation of A general Single-Index Model

Efang Kong, Yingcun Xia|ArXiv.org|Mar 17, 2008

Statistical Methods and Inference参考文献 12被引用数 3

ひとこと要約

本稿では、一般単一インデックス分位数回帰モデルにおけるインデックスパラメータの推定法を提案する。反復的局所多項式フィッティングとカーネル加重M推定量を用いる。弱依存性の仮定の下で一様強収束性および漸近正規性を達成し、ARCH(p)のような条件付き異分散モデルにおける頑健な推論を可能にする。

ABSTRACT

The single-index model is one of the most popular semiparametric models in Econometrics. In this paper, we define a quantile regression single-index model, which includes the single-index structure for conditional mean and for conditional variance.

研究の動機と目的

• 一般単一インデックス分位数回帰モデルにおけるインデックスパラメータの頑健な推定手順を開発すること、特に条件付き異分散性を有するモデルに対して。
• 次元の呪いを軽減するため、次元削減を可能にする単一インデックス構造を用いて非パラメトリック分位数回帰における次元の呪いに対処すること。
• 弱依存性（強混合）条件の下で、提案された推定量の一様強収束性および漸近正規性を確立すること。
• 既存の平均回帰手法を分位数回帰に拡張し、確率的関係のより包括的な統計的分析を可能にすること。
• 実装可能性を高めるため、反復的線形分位数回帰サブ問題に基づく計算的に実行可能なアルゴリズムを提供すること。

提案手法

• 共変数の対ごとの差のカーネル加重和のチェック損失関数を反復的に最小化することで、インデックスパラメータθ₀を推定する。
• 点ごとの近接度に基づいて観測値を重みづけするため、局所多項式フィッティングをカーネルK(θᵀXᵢⱼ/h)を用いて実施する。ここでXᵢⱼ = Xᵢ − Xⱼである。
• 最適化を2段階の交互ステップに分解する：(1) 固定されたθに対して、局所切片aⱼおよび勾配bⱼを線形分位数回帰により推定する；(2) 変数を変換した新たな分位数回帰問題を解いてθを更新する。
• インデックスベクトルの方向を保持するために、最終推定量をǁθ̂ǁ⁻¹θ̂に標準化する。
• Koenker (2005) より既存の効率的な線形分位数回帰アルゴリズム（例：）を活用し、サブ問題を効率的に解く。
• 強混合性および密度の有界性を仮定し、確率的等連続性およびU統計量理論を用いて理論的性質を確立する。

実験結果

リサーチクエスチョン

• RQ1 弱依存性の下で、一般単一インデックス分位数モデルにおけるインデックスパラメータの推定量を一貫的かつ漸近正規に構築できるか？
• RQ2 単一インデックス構造を用いることで、非パラメトリック分位数回帰における次元の呪いをどのように軽減できるか？
• RQ3 一様強収束性の観点から、反復的カーネル加重M推定量の手続きに理論的根拠はあるか？
• RQ4 本手法は、ARCH(p)過程のような条件付き異分散性を持つモデルでどのように性能を発揮するか？
• RQ5 推定量が一様収束性および漸近正規性を達成するための正則性条件は何か？

主な発見

• 提案された推定量は、弱依存性（強混合）条件の下で、インデックスパラメータθ₀について一様強収束性を達成する。
• 有界密度および条件付き分位数関数の滑らかさを含む正則性条件の下で、推定量は漸近正規であり、収束速度はn⁻¹/²である。
• 本手法は条件付き異分散性を適切に扱うことができ、mₜ(x) = g(θ₀ᵀX)Qₜ(ε) と表されるARCH(p)モデルの例でも有効である。ここでQₜ(ε)は誤差のτ番目の分位数を表す。
• 理論的根拠は、ヘッセ行列(S₂ + θ₀θ₀ᵀ)⁻¹(Ω₀ + θ₀θ₀ᵀ)のすべての固有値が1未満であり、正定値であることを示すことに依存し、収束を保証する。
• θ₀がS₂およびΩ₀の固有値0に対応する唯一の固有ベクトルであるという仮定の下で、反復アルゴリズムは一意の解に収束する。
• 数値的検証により、本手法の頑健性および有限標本性能が確認され、特にメジアン回帰およびARCH型モデルにおいて優れた性能を示す。