[論文レビュー] Square-root nuclear norm penalized estimator for panel data models with approximately low-rank unobserved heterogeneity

Jad Beyhum, Éric Gautier|arXiv (Cornell University)|Apr 19, 2019

Spatial and Panel Data Analysis被引用数 4

ひとこと要約

本稿では、近似的に低ランクの観測不能な異質性を有するパネルデータモデルに対して、誤差分散の事前知識が不要な平方根核ノルム正則化推定量を提案する。この手法は凸最適化問題を解き、2段階手続きにより漸近正規性を達成し、増大するサンプルサイズ下でもロバストなランク推定と収束速度を提供する。

ABSTRACT

This paper considers a nuclear norm penalized estimator for panel data models with interactive effects. The low-rank interactive effects can be an approximate model and the rank of the best approximation unknown and grow with sample size. The estimator is solution of a well-structured convex optimization problem and can be solved in polynomial-time. We derive rates of convergence, study the low-rank properties of the estimator, estimation of the rank and of annihilator matrices when the number of time periods grows with the sample size. Two-stage estimators can be asymptotically normal. None of the procedures require knowledge of the variance of the errors.

研究の動機と目的

• 近似的に低ランクの観測不能な異質性を有するパネルデータモデルに対する凸的で分散フリーの推定量の開発。
• 未知かつ増大するランク下での推定量の収束速度および低ランク特性の確立。
• 誤差分散の知識が不要な状況でも漸近正規性を達成する2段階推定量の提案。
• 反復アルゴリズムにおける反復の初期化として基本推定量を使用可能にする。
• 高次元設定下での真のランクおよびアンナヒレーター行列の一貫性のある推定の提供。

提案手法

• 推定量は、観測不能な異質性行列に対する平方根核ノルム正則化を最小化する形で定式化され、凸最適化問題として扱われる。
• 2段階手続きを用いる：まず核ノルム正則化により低ランク成分を推定し、その後回帰係数推定量を精緻化する。
• 最小二乗推定量を用いて推定量を初期化するが、これは一貫性がなくてもロバストである。
• スケール不変推定を保証するため、誤差分散が未知である状況に対応するため平方根損失を用いる。
• 個体効果および時刻効果を除去するためのwithin変換を組み込むことで、有限標本性能を向上させる。
• 推定行列の特異値にハードスレッショルドを適用し、ランク推定を改善する。

実験結果

リサーチクエスチョン

• RQ1 近似的に低ランクの観測不能な異質性を有するパネルデータモデルに対して、凸的で分散フリーの推定量を開発可能か？
• RQ2 増大するサンプルサイズ下での平方根核ノルム正則化推定量の収束速度および低ランク特性は何か？
• RQ3 誤差分散の知識がなくても、2段階推定量は漸近正規性を達成するか？
• RQ4 有限標本下で、推定量は観測不能な異質性行列の真のランクをどれほど正確に回復できるか？
• RQ5 基本推定量は、この文脈における反復アルゴリズムの初期化として信頼できるか？

主な発見

• N=T=150の場合、2段階推定量 $\widetilde{\beta}^{(2)}$ のMSEは1×10⁻⁵に達し、高い精度を示している。
• 大標本（N=T=150）における $\widetilde{\beta}^{(2)}$ の95%信頼区間の被覆確率は95%に達し、漸近正規性が確認された。
• 小標本（N=T=50）では、$\widehat{\beta}_{pt}$ のMSEは5×10⁻⁴であり、最小二乗推定量（MSE=0.053）よりも性能が向上している。
• within変換を施したバージョンはランク回復を改善する：N=T=150のとき、$\mathrm{rank}(\widehat{\Pi}_1^t)$ はすべてのケースで2として正しく推定された。
• 推定量は観測不能な異質性行列の真のランクを一貫して推定しており、N=T=50では89%の正確さ、N=T=150のwithin変換ケースでは100%の正確さを示した。
• 大標本下で2段階推定量 $\widetilde{\beta}^{(2)}$ のバイアスは10⁻⁴未満に抑えられ、高い一貫性が示された。