[논문 리뷰] A Consistent Bootstrap Procedure for the Maximum Score Estimator

Rohit K. Patra, Emilio Seijo외 1명|arXiv (Cornell University)|2011. 05. 10.

Statistical Methods and Inference참고 문헌 30인용 수 6

한 줄 요약

이 논문은 제곱근 수렴을 보이는 이元선택 모형에서 최대점수 추정량에 대한 추론을 위한 모형 기반 부스터랩 절차를 제안한다. 이 절차는 일반적인 조건 하에서 부스터랩의 일致성을 확립하고, 시뮬레이션을 통해 기존 방법들, 특히 m-out-of-n 부스터랩과 비교하여 유한 표본에서 더 우수한 성능을 보임을 보여준다.

ABSTRACT

In this paper we study the applicability of the bootstrap to do inference on Manski's maximum score estimator under the full generality of the model. We propose three new, model-based bootstrap procedures for this problem and show their consistency. Simulation experiments are carried out to evaluate their performance and to compare them with subsampling methods. Additionally, we prove a uniform convergence theorem for triangular arrays of random variables coming from binary choice models, which may be of independent interest.

연구 동기 및 목표

• 비표준 제곱근 수렴을 보이는 최대점수 추정량에 대한 추론 문제를 다루며, 복잡한 극한 분포로 인해 분석이 어려운 점을 해결한다.
• 특히 최대점수 추정량에 대해 고전적 부스터랩 방법이 일치하지 않는 제곱근 수렴 문제를 해결한다.
• 이질적 분산과 다중모드 오차 구조에 대해 강건한 모형 기반 부스터랩 절차를 개발한다.
• 이 비표준 수렴 프레임워크에서 어떤 부스터랩 절차의 일관성을 보장하기 위한 충분조건을 제공한다.
• 시뮬레이션을 통해 제안된 방법이 유한 표본에서 다른 부스터랩 기반 방법보다 더 우수한 성능을 보임을 입증한다.

제안 방법

• 이원선택 모형의 잠재변수 구조와 조건부 중앙값 제약 조건을 명시적으로 활용하는 모형 기반 부스터랩 절차를 제안한다.
• 추정 방정식의 부드러운 경험분포에서 재표본을 추출하여 부스터랩 표본을 구성하며, 이는 모형의 구조와 추정된 인덱스 파라미터를 포함한다.
• 핵심 평활화를 사용해 점수 함수를 근사함으로써 불연속성을 줄이고 일관된 재표본 추출을 가능하게 한다.
• 삼각형 배열의 추정 함수에 대한 조건을 점검함으로써 부스터랩의 일관성을 확립한다. 이는 모멘트 경계와 린데베르크 유사 조건을 포함한다.
• 이원선택 모형에서 유래하는 삼각형 배열의 난수열에 대한 수렴 정리를 활용하여 부스터랩 분포의 점근적 타당성을 증명한다.
• 크라머-월드 장치와 다변량 중심극한정리의 논리를 적용하여 부스터랩 분포의 약한 수렴을 검증한다.

실험 결과

연구 질문

• RQ1 비표준 수렴을 보이는 최대점수 추정량에 대해 제곱근 수렴과 함께 일관된 부스터랩 절차를 개발할 수 있는가?
• RQ2 이 비정규 추정 프레임워크에서 부스터랩 절차의 일관성을 보장하기 위해 필요한 조건은 무엇인가?
• RQ3 제안된 부드러운 부스터랩은 고전적 부스터랩 및 m-out-of-n 부스터랩과 비교해 유한 표본에서 어떻게 성능을 발휘하는가?
• RQ4 이질적 분산과 다중모드 오차 분포를 포함한 일반적인 오차 분포 하에서도 모형 기반 부스터랩은 여전히 일관성 있는가?
• RQ5 서브샘플 크기를 조정해야 하는 서브샘플링 또는 m-out-of-n 기반 방법에 비해 부스터랩을 더 신뢰성 있고 자동화할 수 있는가?

주요 결과

• 제안된 모형 기반 부스터랩은 일관성 있는 정규성 조건 하에서 일관성이 입증되어 최대점수 추정량에 대한 타당한 추론 도구가 된다.
• 시뮬레이션 연구 결과, 제안된 부드러운 부스터랩은 유한 표본에서 커버리지 정확도와 제곱근 평균 제곱 오차 측면에서 m-out-of-n 부스터랩 및 고전적 부스터랩을 능가함을 보여준다.
• 기존의 Abrevaya와 Huang(2005)에서 지적한 바와 같이, 고전적 부스터랩은 최대점수 추정량에 대해 일관성이 없으며, 본 논문은 이 실패가 제곱근 수렴 설정 하에서도 재확인된다.
• 추정 함수의 삼각형 배열에 대한 수렴 정리는 부스터랩의 타당성에 대한 이론적 기반을 제공하며, 반독립적인 관심사로도 간주될 수 있다.
• 이질적 분산과 다중모드 오차 구조 하에서도 본 방법은 강건하며, 부드러운 추정량의 플러그인 편향 보정이 실패하는 경우에도 유사한 성능을 유지한다.
• 약한 정규성 조건 하에서 잠재변수 표현과 중앙값 제약 조건이 관측된 조건부 확률 구조와 동치임을 입증하여, 모형의 이론적 기반을 뒷받침한다.