[논문 리뷰] Low-rank Panel Quantile Regression: Estimation and Inference

Yiren Wang, Liangjun Su외 1명|arXiv (Cornell University)|2022. 10. 20.

Spatial and Panel Data Analysis인용 수 5

한 줄 요약

이 논문은 개인과 시간에 따라 기울기 계수에서 관측되지 않는 이질성을 允허하는 저랭크 패널 퀀틸릿 회귀 모형을 제안한다. 핵노름 정규화, 샘플 분할, 행 및 열 기반 퀀틸릿 회귀, 그리고 디biased 방법을 활용하여 요인 하중과 요인을 추정하고, 그들의 점근적 정규성을 보여준다. 주요 기여는 저랭크 구조 하에서 기울기 동질성과 가산성에 대한 sup-유형의 적합도 검정을 개발한 것으로, 귀무가설 하에서 검정 통계량이 구름 분포를 따른다.

ABSTRACT

In this paper, we propose a class of low-rank panel quantile regression models which allow for unobserved slope heterogeneity over both individuals and time. We estimate the heterogeneous intercept and slope matrices via nuclear norm regularization followed by sample splitting, row- and column-wise quantile regressions and debiasing. We show that the estimators of the factors and factor loadings associated with the intercept and slope matrices are asymptotically normally distributed. In addition, we develop two specification tests: one for the null hypothesis that the slope coefficient is a constant over time and/or individuals under the case that true rank of slope matrix equals one, and the other for the null hypothesis that the slope coefficient exhibits an additive structure under the case that the true rank of slope matrix equals two. We illustrate the finite sample performance of estimation and inference via Monte Carlo simulations and real datasets.

연구 동기 및 목표

• 기울기 계수가 개인과 시간에 따라 이질적임에도 불구하고, 동질성을 가정하는 대신 패널 퀀틸릿 회귀 모형을 추정하는 데 도전하는 것.
• 핵노름 정규화를 사용하여 저랭크 구조 하에서 이질적인 절편과 기울기 행렬을 추정하는 방법을 개발하는 것.
• 절편 및 기울기 행렬과 관련된 요인과 요인 하중 추정량의 점근적 정규성을 확립하는 것.
• 요인의 순서가 1인 경우 기울기 동질성(개인 또는 시간 기반)과 요인의 순서가 2인 경우 기울기의 가산적 구조에 대한 유효한 적합도 검정을 구성하고, 귀무분포를 알 수 있도록 하는 것.
• 몬테카를로 시뮬레이션과 실제 데이터 응용을 통해 제안된 방법의 유한표본 성능을 검증하는 것.

제안 방법

• 패널 퀀틸릿 회귀에서 저랭크 절편 및 기울기 계수 행렬을 추정하기 위해 핵노름 정규화(NNR)를 사용한다.
• 디biased 단계에서 회귀변수와 잔차 간의 독립성을 확보하기 위해 샘플을 세 개의 부분집합으로 분할한다. 이는 균일한 추론을 가능하게 한다.
• 분할된 데이터에 대해 행 기반 및 열 기반 퀀틸릿 회귀를 수행하여 개인 및 시간 특화 효과를 추정한다.
• 정규화로 인한 추정 편향을 보정하기 위해 디biased 절차를 구현하여 점근적으로 정규적인 추정량을 도출한다.
• 정규 조건 하에서 요인 및 요인 하중 추정량의 점근적 정규성을 도출하고, 추론을 가능하게 한다.
• 기울기 동질성(순서 1)과 가산적 구조(순서 2)에 대한 sup-유형의 적합도 검정을 제안하며, 귀무가설 하에서 검정 통계량이 구름 분포를 따르는 것을 보여준다.

실험 결과

연구 질문

• RQ1 저랭크 구조 하에서 개인과 시간에 따라 기울기 계수가 이질적인 패널 퀀틸릿 회귀 모형을 일관적으로 추정할 수 있는가?
• RQ2 정규화 및 샘플 분할을 사용함에도 불구하고, 이러한 모형에서 추정된 요인과 요인 하중에 대해 유효한 추론을 어떻게 수행할 수 있는가?
• RQ3 저랭크 패널 퀀틸릿 회귀 모형에서 요인과 요인 하중 추정량의 점근적 분포는 무엇인가?
• RQ4 기울기 계수 행렬의 진정한 랭크가 1일 때, 기울기 계수가 개인 또는 시간에 따라 일정한가에 대한 귀무가설을 어떻게 검정할 수 있는가?
• RQ5 기울기 계수 행렬의 진정한 랭크가 2일 때, 기울기 계수 행렬이 가산적 구조를 띠는가에 대한 귀무가설을 어떻게 검정할 수 있는가?

주요 결과

• 절편 및 기울기 행렬에 대한 요인과 요인 하중 추정량은 점근적으로 정규분포를 따르며, 이는 유효한 추론을 가능하게 한다.
• 기울기 동질성(랭크 1)과 가용적 구조(랭크 2)에 대한 sup-유형 검정 통계량은 귀무가설 하에서 구름 분포를 따른다.
• 제안된 적합도 검정은 특정 클래스의 국소 대립가설에 대해 비영향력이 아닌 검정력을 지녀, 귀무가설에서의 이탈에 민감함을 보인다.
• 디biased 절차는 핵노름 정규화로 인한 편향을 성공적으로 보정하여 유효한 점근적 정규성을 도출한다.
• 몬테카를로 시뮬레이션은 추정 및 추론 절차의 유한표본 성능을 확인하며, 적절한 크기와 검정력을 보여준다.
• 이 방법은 개인 및 시간 차원에서의 관측되지 않는 이질성에 대해 강건하며, 기울기 동질성을 가정하는 모델에 대한 민감한 대안을 제공한다.