[論文レビュー] Tobit Bayesian Model Averaging and the Determinants of Foreign Direct Investment

Alexander I. Jordan, Alex Lenkoski|arXiv (Cornell University)|May 11, 2012

Global trade and economics参考文献 25被引用数 3

ひとこと要約

本稿では、外国直接投資（FDI）の決定要因を分析するための、計算的に効率的で完全なベイズ枠組みであるTobitベイズ的モデル平均化（TBMA）を紹介する。この手法は、型II Tobitモデルにおけるモデル不確実性を統合し、ギブス・サンプラー内にモデル移動を組み込むことで、条件付きベイズ因子（CBFs）を用いて、選択方程式と結果方程式の両方を同時に推定可能にし、従来の手法に見られる理論的不整合を解消するとともに、計算時間を短縮し、モデル選択の正確性を向上させる。

ABSTRACT

We develop a fully Bayesian, computationally efficient framework for incorporating model uncertainty into Type II Tobit models and apply this to the investigation of the determinants of Foreign Direct Investment (FDI). While direct evaluation of modelprobabilities is intractable in this setting, we show that by using conditional Bayes Factors, which nest model moves inside a Gibbs sampler, we are able to incorporate model uncertainty in a straight-forward fashion. We conclude with a study of global FDI flows between 1988-2000.

研究の動機と目的

• 型II Tobitモデルにおけるモデル不確実性を統合する、完全なベイズ的で計算的に効率的な手法の開発を目的とする。
• BIC近似に依存し、ベイズ推論の理論的根拠に欠ける従来のFDIモデリング手法の限界を是正することを目的とする。
• 選択方程式と結果方程式のモデルを同時に更新することで、情報のフィードバックを可能にし、FDI研究におけるモデル選択を改善することを目的とする。
• 従来のMCMCベースの手法と比較して、計算負荷を軽減しつつ理論的妥当性を維持することを目的とする。
• 1988年から2000年までのグローバルデータを用いて、信頼性の高いFDI流入の決定要因を同定する強固な枠組みを提供することを目的とする。

提案手法

• 条件付きベイズ因子（CBFs）を用いて、型II Tobitモデルにモデル不確実性を統合する、革新的なTobitベイズ的モデル平均化（TBMA）フレームワークを提案する。
• MCMCアルゴリズム内にモデル移動を組み込むギブス・サンプラーを採用し、CBFsを直接かつ効率的に計算する。
• 回帰係数に独立した正規事前分布、誤差分散にスパarsな事前分布を用いた階層的事前分布構造を採用する。
• 選択方程式と結果方程式の両方を同時に更新するスケームを実装し、モデル空間間での情報のフィードバックを可能にする。
• 事後分布のカーネルにおいて平方完成を施すことにより、周辺尤度の解析的扱いやすい表現を導出し、CBFsの正確な計算を可能にする。
• 1988年から2000年までの二国間FDIフローにこの手法を適用し、腐敗、GDP、貿易開放度といった共変量を、選択方程式および結果方程式の両方に組み込む。

実験結果

リサーチクエスチョン

• RQ1 経済的・制度的要因として、FDI参加意思決定およびFDI流入の大きさに関連する最も頑健な要因は何か？
• RQ2 完全なベイズ枠組みでモデル不確実性を扱うことで、頻度主義的または近似ベイズ手法と比較して、FDI決定要因の同定の信頼性はどのように向上するか？
• RQ3 選択方程式と結果方程式の間での情報フィードバックは、Tobitモデルにおけるモデル推定の正確性をどの程度向上させるか？
• RQ4 計算面において、HeckitBMAなどの従来手法と比較して、提案されたTBMA手法は速度およびスケーラビリティの点でどの程度優れているか？
• RQ5 BIC近似と比較して、条件付きベイズ因子（CBFs）を用いることで、FDIモデリングにおける変数包含確率にどのような影響が生じるか？

主な発見

• TBMA手法は、Eicherら（2011）の結果と同様に、GDPや貿易開放度の正の影響といった、FDI流入の大きさの決定要因について、広く一致する結論を導く。
• HeckitBMAとは異なり、TBMAは選択方程式において顕著に異なる結果をもたらす。これは、結果方程式からのフィードバックを組み込んだモデル確率の同時更新に起因する。
• 条件付きベイズ因子の効率的計算により、Eicherら（2011）が要請する計算時間の数分のの一にまで短縮されている。
• TBMAでは、BIC近似ではなく完全なベイズ事後分布から導かれるため、選択方程式における変数包含確率がより安定的で理論的に妥当である。
• ギブス・サンプラー内にCBFsを組み込むことで、数値積分を用いずに直接かつ正確にモデル証拠を計算可能となり、精度と効率の両方が向上する。
• 実証的結果は、腐敗がFDI流入に顕著な負の影響を及ぼすことを確認しており、経済理論とも整合的である。この影響は、TBMAフレームワーク下でより信頼性高く推定されている。