[論文レビュー] Spectral and post-spectral estimators for grouped panel data models

Denis Chetverikov, Elena Manresa|arXiv (Cornell University)|Dec 26, 2022

Spatial and Panel Data Analysis被引用数 13

ひとこと要約

本稿は、未観測のグループ固有時系列効果を伴うグループ化されたパネルデータモデルに対して、計算的に効率的な後スペクトル推定量を提案する。スペクトルクラスタリングと三段階手順（スペクトル推定、グループ分類、OLSプール）を活用することで、グループが明確に分離されている場合に $√{NT}$-一貫性と漸近正規性を達成し、より複雑なグループ固定効果推定量と同等の理論的性質を有するが、計算がはるかに簡単である。

ABSTRACT

In this paper, we develop spectral and post-spectral estimators for grouped panel data models. Both estimators are consistent in the asymptotics where the number of observations $N$ and the number of time periods $T$ simultaneously grow large. In addition, the post-spectral estimator is $\sqrt{NT}$-consistent and asymptotically normal with mean zero under the assumption of well-separated groups even if $T$ is growing much slower than $N$. The post-spectral estimator has, therefore, theoretical properties that are comparable to those of the grouped fixed-effect estimator developed by Bonhomme and Manresa (2015). In contrast to the grouped fixed-effect estimator, however, our post-spectral estimator is computationally straightforward.

研究の動機と目的

• ボンホームとマンドレーサ（2013）が提案したグループ固定効果推定量の計算的に効率的な代替手法を開発すること。この推定量は理論的に最適であるが、計算が非常に高コストである。
• 大規模な $N$ と $T$ の下で、グループが明確に分離されている場合に、新しい推定量の理論的性質（特に $√{NT}$-一貫性と漸近正規性）を確立すること。
• スペクトル推定、スペクトルクラスタリングによるグループ分類、およびプールドOLSを組み合わせた三段階手法を提案し、一貫性と効率性を保証すること。
• 後スペクトル推定量が、非凸最適化を必要とせずに、グループ固定効果推定量と同等の理論的性能を達成できることを示すこと。
• 説明変数に因子分析的構造が成り立つ場合に、この手法が有効であることを検証すること。ここで $x_{it}$ は、潜在的なグループ固有時系列効果と独立したノイズの線形結合である。

提案手法

• この手法は、構築された行列の $2GM+2$ 個の最大固有値の和を用いて、その最小値がパラメーターベクトル $\beta$ に一致する凸二次関数を一貫的に推定するスペクトル推定量から始める。
• グループ分類のためのスペクトルクラスタリングアルゴリズムが、推定された時系列効果ベクトル $\hat{A}_i$ をもとに、単位をグループに分類するために適用される。正しいグループ分離を高確率で達成するために、しきい値 $\lambda = 3R_0 + 2\lambda_N$ が用いられる。
• 後スペクトル推定量は、同じグループに属するすべての単位をプールし、グループ化されたデータに対してOLS回帰を実行することで得られる。この手順は、2段階で得られた分類の正確さを活用する。
• 理論的裏付けは、グループが明確に分離されている場合に、分類アルゴリズムが単位を真のグループに正しく割り当てる確率が1に近づくことを示すことに依拠する。
• 本手法は、説明変数に因子構造を仮定する。すなわち $x_{it} = \sum_{m=1}^M \rho_{im} \alpha_{g_i t}^m + z_{it}$ であり、$M$ は既知であり、$z_{it}$ はグループ効果と独立である。
• 理論的結果は、推定誤差とグループ分類の高確率バインドを用いて導出され、最終的な推定量の $\sqrt{NT}$-一貫性と漸近正規性に至る。

実験結果

リサーチクエスチョン

• RQ1 グループ化されたパネルデータモデルにおいて、グループ固定効果推定量の理論的性質を再現するが、計算が簡単な推定量を開発することは可能か？
• RQ2 スペクトルに基づく分類法は、グループ固有時系列効果が明確に分離されている場合に、一貫的なグループ割り当てを達成できるか？
• RQ3 後スペクトル推定量が $\sqrt{NT}$-一貫性と漸近正規性を示す条件は何か？
• RQ4 $T$ が $N$ よりもはるかにゆっくりと増加する場合、特に内生的グループ効果が存在する場合に、提案手法はどのように性能を示すか？
• RQ5 説明変数 $x_{it}$ の因子構造を活用することで、非凸最適化を解かずに一貫的かつ効率的な推定量を構築できるか？

主な発見

• グループが明確に分離されているという仮定の下で、後スペクトル推定量は $T$ が $N$ よりもはるかにゆっくりと増加する場合ですら、$\sqrt{NT}$-一貫性と漸近正規性を達成する。
• 2段階で用いられるスペクトルクラスタリングアルゴリズムは、同じくグループが明確に分離されているという仮定の下で、確率が1に近づくほど一貫的なグループ分類を達成する。
• 推定量の理論的性質は、ボンホームとマンドレーサ（2013）のグループ固定効果推定量と一致するが、計算コストははるかに低い。
• この手法は、その最小値が $\beta$ に一致する凸二次関数に依拠しており、その値は行列の固有値を用いて一貫的に推定可能である。これにより初期のスペクトル推定量が可能になる。
• 後スペクトル推定量は、提示された条件下で、すべての単位について一様に $o_P(1)$ の推定誤差を達成し、$\beta$ とグループ効果の両方の一致回復を示唆する。
• 理論的バインドにより、$\|\hat{A}_i - \alpha_{g_i}\| \leq \tilde{C}_G \lambda_N$ が、$G$ のみに依存する定数 $\tilde{C}_G$ に対して成り立つことが示され、正確なグループ効果の回復が保証される。