[논문 리뷰] Likelihood ratio test for structural changes in factor models

Jushan Bai, Jiangtao Duan외 1명|arXiv (Cornell University)|2022. 06. 16.

Firm Innovation and Growth인용 수 6

한 줄 요약

이 논문은 가짜 요인의 분산 변화와 로딩 파라미터 변화 사이의 관측적 동치성을 활용하여 고차원 인자 모형에서의 구조적 변화에 대한 가능도 비율(LR) 검정을 제안한다. LR 검정은 대립가설 하에서 브레이크 포인트의 일致한 준최대우도추정을 통해 더 빠른 발산을 달성하여, 특히 중간 크기의 브레이크를 가진 유한 표본에서 기존의 월드형 검정보다 뛰어난 검정력 확보를 가능하게 한다.

ABSTRACT

A factor model with a break in its factor loadings is observationally equivalent to a model without changes in the loadings but a change in the variance of its factors. This effectively transforms a structural change problem of high dimension into a problem of low dimension. This paper considers the likelihood ratio (LR) test for a variance change in the estimated factors. The LR test implicitly explores a special feature of the estimated factors: the pre-break and post-break variances can be a singular matrix under the alternative hypothesis, making the LR test diverging faster and thus more powerful than Wald-type tests. The better power property of the LR test is also confirmed by simulations. We also consider mean changes and multiple breaks. We apply the procedure to the factor modelling and structural change of the US employment using monthly industry-level-data.

연구 동기 및 목표

• 기존 방법이 유한 표본에서 검정력이 낮다는 문제를 해결하기 위해 고차원 인자 모형에서의 구조적 변화 검정에 도전한다.
• 가짜요인에서의 인자 로딩 변화와 분산 변화 사이의 관측적 동치성을 활용하여 검정 문제의 차원을 감소시킨다.
• 대립가설 하에서 준최대우도(QML) 브레이크 포인트 추정량의 더 빠른 수렴 속도를 활용한 가능도비율(LR) 검정을 개발한다.
• 비관측 인자 추정과 정규화 제약 조건을 고려하여 근본가설과 대립가설 하에서 LR 검정 통계량의 점근적 분포를 도출한다.
• 모형의 실용성을 높이기 위해 평균 변화와 다중 구조적 변화를 포함하도록 프레임워크를 확장한다.

제안 방법

• 로딩 변화를 가짜요인의 분산 변화로 간주함으로써 고차원의 구조적 변화 문제를 저차원 문제로 변환한다.
• 준우도비율(LR) 검정을 추정된 요인에 적용하며, 이때 브레이크 포인트의 QML 추정량을 사용한다. 이 추정량은 대립가설 하에서 일致함을 입증하였다.
• 근본가설 하에서 LR 검정 통계량의 점근적 분포를 유도하며, 표준 결과가 브라운 운동에 기반하는 것과 달리 브라운브릿지 과정의 함수임을 보여준다.
• 이중 단계 추정을 사용한다: 첫째, 주성분분석을 통해 요인을 추정한다; 둘째, 추정된 요인의 브레이크 전·후 하위표본 분산에 대해 LR 검정을 적용한다.
• 점근적 유도를 단순화하고 유한 표본 성능을 향상시키기 위해 정규화 제약 조건을 통합한다.
• 검정 통계량을 다중 간격과 그에 해당하는 모멘트 조건을 고려하도록 수정하여 평균 변화와 다중 브레이크를 다룰 수 있도록 프레임워크를 확장한다.

실험 결과

연구 질문

• RQ1 기존의 월드형 검정보다 더 높은 검정력을 확보할 수 있는 가능도비율 검정을 고차원 인자 모형에서의 구조적 변화 탐지에 적용할 수 있는가?
• RQ2 QML 브레이크 포인트 추정량의 일치성은 대립가설 하에서 LR 검정의 점근적 행동과 검정력에 어떤 영향을 미치는가?
• RQ3 비관측 인자 과정이 정규화 제약 조건 하에서 추정될 때 LR 검정 통계량의 점근적 분포는 무엇인가?
• RQ4 대규모 패널에서 다수의 시간열을 활용할 경우 잠재 인자 모형에서 브레이크 포인트의 식별 및 추정 정확도는 어떻게 향상되는가?
• RQ5 이론적 타당성과 실증적 검정력을 유지하면서도 LR 검정을 다중 구조적 변화 또는 평균 변화 탐지에 확장할 수 있는가?

주요 결과

• 브레이크 포인트의 QML 추정량이 일치하므로, 대립가설 하에서 월드형 검정보다 더 빠른 발산을 보이며 더 높은 통계적 검정력을 확보한다.
• 근본가설 하에서 LR 검정의 점근적 분포는 브라운브릿지 과정의 함수이며, 정규화 제약 조건으로 인해 표준 결과에서 사용하는 브라운 운동과 다름을 보인다.
• 근본가설 하에서는 슈프-월드 검정과 점근적으로 동치이지만, 대립가설 하에서는 시뮬레이션 결과에 의해 뛰어난 검정력을 보임을 확인하였다.
• 가짜요인의 사용은 고차원 검정 문제를 저차원 문제로 변환하여 더 효율적인 추론을 가능하게 한다.
• 진짜 브레이크 포인트가 정확히 알려져 있지 않더라도, 하위표본 분산에서의 특이성 조건 하에서 QML 추정량의 강건성 덕분에 방법은 여전히 타당하고 강력하다.
• 실제 응용 사례로 미국 월간 산업 수준 고용 데이터를 분석한 결과, 이 프레임워크는 실제 세계 데이터에서의 구조적 변화를 성공적으로 탐지하였다.