[논문 리뷰] Integrating Structural and Reduced-Form Methods in Empirical Finance

Toni M. Whited|arXiv (Cornell University)|2022. 05. 02.

Monetary Policy and Economic Impact인용 수 7

한 줄 요약

이 논문은 구조적 모형과 감소형 경제계량 방법을 통합하는 프레임워크를 제안하여 금융 분야의 인과 추론과 모형 타당성을 향상시킨다. 통계 모형에서 추정된 매개변수를 이론 기반의 구조적 모형과 결합함으로써 외부 타당성을 향상시키고, 표본 선택 편향을 해결하며 관찰된 관계의 메커니즘을 명확히 한다. 이는 기업 금융, 은행업, 개인 금융 분야에 응용을 통해 입증되었다.

ABSTRACT

I discuss various ways in which inference based on the estimation of the parameters of statistical models (reduced-form estimation) can be combined with inference based on the estimation of the parameters of economic models (structural estimation). I discuss five basic categories of integration: directly combining the two methods, using statistical models to simplify structural estimation, using structural estimation to extend the validity of reduced-form results, using reduced-form techniques to assess the external validity of structural estimations, and using structural estimation as a sample selection remedy. I illustrate each of these methods with examples from corporate finance, banking, and personal finance.

연구 동기 및 목표

• empirical finance 분야에서 구조적 접근과 감소형 접근 간 오랜 이분화된 방법론적 갈등을 해결하기 위해.
• 랜덤화 시험이 없는 상황에서 이러한 방법들을 통합함으로써 인과 추론과 모형 타당성이 어떻게 향상되는지 보여주기 위해.
• 기업 금융, 은행업, 개인 금융에 적용 가능한 통합 방법의 분류 체계를 제공하기 위해.
• 데이터 제약 조건 하에서 구조적 모형이 감소형 결과를 어떻게 확장하고, 반대로 감소형 결과가 구조적 모형을 어떻게 확장할 수 있는지 보여주기 위해.
• 표본 선택 편향을 수정하기 위해 구조적 모형을 사용하는 방법을 실증 연구에 어떻게 적용할 수 있는지 설명하기 위해.

제안 방법

• 감소형 탄성과 구조적 모형의 매개변수를 직접 조합하여 경제적 관계의 추정을 풍부화시키기 위해.
• 차원 감소나 핵심 매개변수 식별을 통해 복잡한 구조적 모형의 추정을 단순화하기 위해 통계 모형을 사용하기 위해.
• 다른 가정 하에서의 반사적 시나리오를 테스트함으로써 구조적 추정을 통해 감소형 결과의 외부 타당성을 평가하기 위해.
• 예측된 관계가 관측된 데이터에서 실제로 성립하는지 테스트함으로써 감소형 기법을 사용해 구조적 모형을 검증하기 위해.
• 이중 측면 매칭 모형이나 제어 기능 접근법과 같은 구조적 모형을 활용해 복귀 분석에서 표본 선택 편향을 수정하기 위해.
• 미관측 이질성과 내생적 선택이 있는 모형에서 공동 우도 함수를 추정하기 위해 마르코프 체인 몬테카를로(Markov Chain Monte Carlo, MCMC) 방법을 사용하기 위해.

실험 결과

연구 질문

• RQ1 감소형 모형과 구조적 모형을 체계적으로 통합하여 금융 분야의 인과 추론을 어떻게 향상시킬 수 있는가?
• RQ2 관측된 감소형 관계 중 얼마나 많은 비율이 잠재적 구조적 메커니즘 때문인지, 또는 선택 효과 때문인지?
• RQ3 데이터가 제한된 상황에서 구조적 모형이 감소형 결과의 외부 타당성을 어떻게 확장할 수 있는가?
• RQ4 기업 투자, 은행업, 벤처 캐피탈 연구에서 구조적 추정이 표본 선택 편향을 어떻게 수정할 수 있는가?
• RQ5 미관측된 제약 조건이나 선호도가 금융 변수 간 관찰된 관계를 어떻게 형성하는가?

주요 결과

• 감소형 회귀 분석 결과, 경험이 많은 벤처 캐피탈리스트가 투자한 경우는 경험이 적은 투자자보다 성공 가능성이 82% 높았다.
• 이중 측면 매칭 모형을 활용한 반사적 분석 결과, 이 82% 효과의 약 1/3만이 경험 때문이며, 나머지 부분은 벤처 캐피탈리스트에게 기업이 배정되는 방식(정렬) 때문임을 밝혀냈다.
• 분포 가정을 수반한 매칭 모형을 사용한 구조적 추정은 선택 및 결과 방정식을 동시에 추정할 수 있게 해주며, 비상장 기업 연구에서의 데이터 제약 조건을 극복한다.
• 구조적 모형과 감소형 모형을 통합함으로써 치료 효과와 선택 편향을 분리함으로써 더 신뢰할 수 있는 인과 해석이 가능해진다.
• 헤크먼 유형 보정이나 더 복잡한 매칭 모형과 같은 구조적 모형을 표본 선택 편향의 해결 수단으로 사용함으로써 복귀 결과의 타당성이 향상된다.
• 감소형 결과는 이론적 메커니즘이 관측 가능한 관계를 통해 검증될 때, 구조적 모형 예측을 검증하는 보조적 증거로 기능할 수 있다.