[논문 리뷰] Inference for Heterogeneous Effects using Low-Rank Estimation of Factor Slopes

Victor Chernozhukov, Christian Hansen외 2명|arXiv (Cornell University)|2018. 12. 19.

Statistical Methods and Inference참고 문헌 32인용 수 24

한 줄 요약

이 논문은 패널 데이터에서 이질적 처리 효과에 대한 저랭크 추정 방법을 제안하며, 시간 및 개인별로 변화하는 기울기를 요인 구조로 모델링하여 타당한 추론을 가능하게 한다. 샘플 분할과 수직화를 통해 개인-시간 효과의 추정량과 그 횡단적 평균의 점근 정규성을 확립함으로써, 고차원적이고 이질적인 기울기를 가진 상황에서도 신뢰구간과 가설검정을 신뢰할 수 있게 한다.

ABSTRACT

We study a panel data model with general heterogeneous effects where slopes are allowed to vary across both individuals and over time. The key dimension reduction assumption we employ is that the heterogeneous slopes can be expressed as having a factor structure so that the high-dimensional slope matrix is low-rank and can thus be estimated using low-rank regularized regression. We provide a simple multi-step estimation procedure for the heterogeneous effects. The procedure makes use of sample-splitting and orthogonalization to accommodate inference following the use of penalized low-rank estimation. We formally verify that the resulting estimator is asymptotically normal allowing simple construction of inferential statements for {the individual-time-specific effects and for cross-sectional averages of these effects}. We illustrate the proposed method in simulation experiments and by estimating the effect of the minimum wage on employment.

연구 동기 및 목표

• 개인과 시간에 따라 변화하는 고차원적이고 이질적인 기울기를 가진 패널 데이터 모형에서 추론 문제를 해결하기 위해.
• 개인-시간 특이 효과와 그 횡단적 평균에 대한 타당한 통계적 추론(예: 신뢰구간)을 가능하게 하는 방법을 개발하기 위해.
• 기울기 행렬의 차원을 줄이기 위해 저랭크 요인 구조를 가정함으로써 고차원 설정에서의 추정 가능성을 확보하기 위해.
• 샘플 분할과 수직화 기법을 통해 요인 구조 추정 오차에 대한 강건성을 확보하기 위해.
• 규칙성 조건 하에 최종 추정량의 점근 정규성을 이론적으로 정당화하기 위해.

제안 방법

• 기울기의 이질성을 공통 요인 구조를 사용해 저랭크 행렬로 모델링함으로써 기울기 행렬의 유효 차원을 감소시킴.
• 데이터로부터 요인 구조와 로딩을 추정하기 위해 펜라이저드 저랭크 회귀를 사용함으로써 고차원 설정에서 일致한 추정이 가능하도록 함.
• 추정과 추론을 분리하기 위해 샘플 분할을 포함한 다단계 절차를 구현함으로써 데이터 재사용에 의한 편향을 감소시킴.
• 추정 방정식에 수직화를 적용함으로써 요인 성분의 추정 오차가 최종 추정량의 점근 분포에 영향을 주지 않도록 보장함.
• 추정량의 점근 정규성에 기반하여 개인-시간 특이 효과와 그 횡단적 평균에 대한 검정 통계량과 신뢰구간을 구성함.
• 요인 구조를 활용하여 강력한 파rametric 가정이 필요 없이 개인 수준과 집합적 효과에 대한 추론을 가능하게 함.

실험 결과

연구 질문

• RQ1 기울기 행렬이 고차원적이고 이질적인 상황에서 개인-시간 특이 처리 효과에 대해 타당한 추론을 수행할 수 있는가?
• RQ2 이질적 효과에 대한 핵심 정보를 잃지 않으면서 기울기 행렬의 차원을 어떻게 줄일 수 있는가?
• RQ3 패널 데이터 모형에서 펜라이저드 저랭크 추정을 사용할 경우, 어떤 추정 및 추론 절차가 점근 정규성을 보장하는가?
• RQ4 샘플 분할과 수직화가 고차원 추정에 의해 유도되는 편향을 이질적 효과 추론에서 제거할 수 있는가?
• RQ5 제안된 추정량이 개인 효과 및 집합적 효과에 대해 점근 정규성이 성립하는 데 필요한 이론적 조건은 무엇인가?

주요 결과

• 개인-시간 특이 효과에 대한 제안된 추정량은 점근 정규성을 만족하여 표준오차와 신뢰구간 구축이 가능하다.
• 개인-시간 효과의 횡단적 평균 역시 점근 정규성을 만족하여 집합적 처리 효과에 대한 추론을 지원한다.
• 샘플 분할과 수직화가 추정과 추론을 성공적으로 분리하여 고차원 추정 상황에서도 타당한 점근 분포 이론을 확보한다.
• 저랭크 요인 구조 가정은 약한 규칙성 조건 하에서도 고차원 기울기 행렬의 일관된 추정을 가능하게 한다.
• 시뮬레이션 실험을 통해 방법의 유한표본 성능과 모형 오특정에 대한 강건성을 확인하였다.
• 최저임금의 고용에 미치는 영향에 대한 실증 적용을 통해 이 방법이 실제 정책 분석에서 실용적인 유용성을 지닌다.