[논문 리뷰] Inference based on Kotlarski's Identity

Kengo Kato, Yuya Sasaki외 1명|arXiv (Cornell University)|2018. 08. 28.

Monetary Policy and Economic Impact참고 문헌 48인용 수 5

한 줄 요약

이 논문은 코틀라르스키 항등식을 사용하여 반복 측정 오차 모형에서 잠재 변수의 밀도에 대한 새로운 균일 신뢰역을 제안한다. 항등식을 선형 복소수 모멘트 제약 조건으로 재구성하고, 편향 경계를 갖는 헤르mite 다항식 체계를 활용함으로써, 이론적으로 타당한 방법으로 비모수 부트스트랩보다 더 나은 성능을 보이며, 균일한 점근적 크기 제어와 모든 고정 대안에 대한 일致성을 확보한다.

ABSTRACT

Kotlarski's identity has been widely used in applied economic research. However, how to conduct inference based on this popular identification approach has been an open question for two decades. This paper addresses this open problem by constructing a novel confidence band for the density function of a latent variable in repeated measurement error model. The confidence band builds on our finding that we can rewrite Kotlarski's identity as a system of linear moment restrictions. The confidence band controls the asymptotic size uniformly over a class of data generating processes, and it is consistent against all fixed alternatives. Simulation studies support our theoretical results.

연구 동기 및 목표

• 코틀라르스키 항등식에 대한 장기적인 추론 방법의 격차를 해소하기 위해, 이는 경제학에서 널리 사용되지만 이론적으로 타당한 추론 도구가 부족한 분야이다.
• 다양한 데이터 생성 과정의 클래스에 걸쳐 점근적 크기를 균일하게 통제하는 반복 측정 오차 모형에서 잠재 변수의 밀도에 대한 신뢰역을 구축하기 위해.
• 헤르mite 함수의 성질을 활용하여 반복적인 수치적 적분을 피함으로써 계산 효율성을 확보하는 방법을 제공하기 위해.
• 기존 부트스트랩 기반 접근법의 한계를 극복하기 위해 모든 고정 대안에 대해 일치성을 확보하기 위해.
• 이론적으로 타당한 근거를 지닌 실용적 대안을 제공하기 위해, 이 맥락에서 이론적 근거가 없는 나이브 비모수 부트스트랩의 대안을 제시하기 위해.

제안 방법

• 코틀라르스키 항등식을 선형 복소수 모멘트 제약 조건의 체계로 재구성하여, 경험 과정 방법을 통한 추론을 가능하게 한다.
• 헤르mite 다항식 체계를 사용하여 알려지지 않은 밀도와 특성 함수를 비모수적으로 근사하며, 푸리에 변환 하에서 고유함수 성질을 활용한다.
• 모멘트 제약 조건과 체계 근사에 대한 편향 경계를 계산하여 추정 오차를 고려하고 균일성을 확보한다.
• 계산된 편향 경계를 바탕으로 모멘트 제약 조건을 완화하여 강건한 검정 통계량을 구성한다.
• 완화된 모멘트 제약 조건의 자기정규화 과정을 적용하고, 역으로 검정 통계량을 역행하여 체계 계수에 대한 신뢰집합을 구성한다.
• 체계 근사의 편향 경계를 균일하게 확대하여 진짜 밀도 함수에 대한 유효한 신뢰역을 확보한다.

실험 결과

연구 질문

• RQ1 반복 측정 오차 모형에서 코틀라르스키 항등식을 사용하여 잠재 변수의 밀도에 대한 균일 신뢰역을 구성할 수 있는가?
• RQ2 제안된 방법이 광범위한 데이터 생성 과정의 클래스에 걸쳐 점근적 크기를 균일하게 통제하는가?
• RQ3 모르는 오차 분포가 존재하는 상황에서도 이론적 타당성과 함께 계산 효율성을 확보할 수 있는가?
• RQ4 다양한 분포 형태에서 나이브 비모수 부트스트랩과 비교해 복개 정확도 측면에서 제안된 방법은 어떻게 성능을 내는가?
• RQ5 모든 고정 대안에 대해 일치성이 확보되어 큰 표본에서 신뢰할 수 있는 추론이 가능한가?

주요 결과

• 제안된 신뢰역은 다양한 데이터 생성 과정의 클래스에 걸쳐 점근적 크기를 균일하게 통제하여, 약한 정규성 조건 하에서도 유효한 추론을 보장한다.
• 모든 고정 대안에 대해 일치성이 확보되어 표본 크기가 증가함에 따라 진짜 밀도를 정확히 식별한다.
• 시뮬레이션 연구 결과, 나이브 부트스트랩은 특히 중심부와 꼬리부분에서 심각한 복개 부족 현상을 보이며, 특히 두꺼운 尾 또는 비대칭 오차 구조에서 두드러진다.
• 모델 1과 모델 2에서는 핵심 분위수에서 복개 빈도가 약 0.8~0.95 수준을 유지하지만, 모델 3에서는 2번째 및 -2번째 표준편차에서 복개 빈도가 0.4 이하로 급격히 감소한다.
• 제안된 방법은 모든 모델과 분위수에서 정확한 복개를 달성하며, 알려지지 않은 오차 분포가 존재하는 도전적인 상황에서도 명목 수준에 가까운 복개 빈도를 유지한다.
• 헤르mite 함수의 사용은 반복적인 수치적 적분을 피함으로써 계산 효율성을 높이며, 시뮬레이션 연구에서 빠른 수렴을 가능하게 한다.