[논문 리뷰] Estimating Heterogeneous Effects: Applications to Labor Economics

Stéphane Bonhomme, Angela Denis|arXiv (Cornell University)|2024. 04. 01.

Labor market dynamics and wage inequality인용 수 13

한 줄 요약

본 논문은 단위 간 이질적 효과를 추정하고 분석하기 위한 통합된 정규 랜덤 계수 프레임워크를 제시하며, 고차원 환경에서 모멘트 조건, 추정 전략 및 예측자에 대해 논의한다.

ABSTRACT

A growing number of applications involve settings where, in order to infer heterogeneous effects, a researcher compares various units. Examples of research designs include children moving between different neighborhoods, workers moving between firms, patients migrating from one city to another, and banks offering loans to different firms. We present a unified framework for these settings, based on a linear model with normal random coefficients and normal errors. Using the model, we discuss how to recover the mean and dispersion of effects, other features of their distribution, and to construct predictors of the effects. We provide moment conditions on the model's parameters, and outline various estimation strategies. A main objective of the paper is to clarify some of the underlying assumptions by highlighting their economic content, and to discuss and inform some of the key practical choices.

연구 동기 및 목표

• 다수의 단위 특이 공변량이 있는 설정에서 이질적 효과를 식별하는 데 사용되는 가정 뒤의 경제적 내용을 명확히 한다.
• 단위별 효과의 평균, 분산 및 분포를 회복하기 위해 정규 랜덤 계수 모델을 제안한다.
• neighborhoods, firms, and workers 등 고차원 네트워크 데이터에서의 추정 전략과 모멘트 조건을 개략적으로 제시한다.
• 정규성 하에서 단위별 효과의 고차 모멘트, 분포 및 최적 예측자에 대해 논의한다.
• 이질적 효과 분석에서의 표준 가정의 실용적 선택 및 가능한 완화에 대해 강조한다.

제안 방법

• 이질적 효과를 모델링하기 위해 정규 랜덤 계수와 정규 오차를 갖는 선형 모델을 채택한다.
• 공변량 Z가 주어졌을 때 평균, 분산 및 고차 모멘트의 모멘트 조건을 도출한다.
• 관심 있는 양을 랜덤 계수의 선형, 2차, 비선형 모멘트로 표현하고 가정 1 또는 가정 2 하에서 이를 계산하는 방법을 제시한다.
• 관측된 단위별 추정치와 실제 효과 간의 차이로 추정 노이즈를 표현하고 축소/예측자 접근법을 동기화한다.
• 랜덤 계수의 OLS 추정치의 분포를 보이고 이질적 효과의 조건부 평균과 분산을 얻는 방법을 제시한다.
• 단지, 이웃, 기업, 노동자와 같은 고차원 고정효과를 다루는 방법에 대해, 차분 및 정규화 요구사항을 포함해 논의한다.

실험 결과

연구 질문

• RQ1 노동경제학 설정에서 단위별 이질적 효과의 평균, 분산 및 분포는 무엇인가?
• RQ2 잡음이 많은 고차원 추정치로부터 이질적 효과의 정보제공 예측자를 어떻게 구성할 수 있는가?
• RQ3 네트워크화되거나 희소한 공변구조 하에서 랜덤 계수와 그 분포를 식별하게 하는 모멘트 조건과 가정은 무엇인가?
• RQ4 효과의 고차 모멘트 및 비선형 모멘트가 단위 간 분산 및 정렬 패턴에 대해 무엇을 알려주는가?
• RQ5 이 프레임워크에서 정규성 및 외생성에 대한 실용적 선택과 가능한 완화는 무엇인가?

주요 결과

• 정규 랜덤 계수 프레임워크를 통해 고차원 공변량 하에서 단위별 효과의 평균, 분산 및 분포를 회복할 수 있다.
• 모형은 정규성 하에서 평균, 분산 및 비선형 모멘트(예: 왜도, 첨도) 및 분포적 특징에 대한 닫힌 형태의 표현을 제공한다.
• 고차원 설정의 추정 노이즈는 간단한 플러그인 측정치를 편향시킬 수 있으므로 기대 제곱 오차를 최소화하는 축소 추정자(shrinkage predictor)를 제시한다.
• 본 프레임워크는 잘 알려진 문헌들(혼합모형, 상관 랜덤 효과, 경험적 베이스)과의 연결 및 식별성 및 외생성 요건을 명확히 한다.
• 큰 X, Z 행렬 처리, 동일 그룹 변환, 정규성의 완화 가능성 등 실제적인 명세 선택을 다룬다.