[논문 리뷰] nprobust: Nonparametric Kernel-Based Estimation and Robust Bias-Corrected Inference

Sebastián Calónico, Matias D. Cattaneo외 1명|arXiv (Cornell University)|2019. 06. 01.

Statistical Methods and Inference인용 수 6

한 줄 요약

이 논문은 비모수 커널 기반 추정과 강건한 편향 보정 추론을 위한 종합적인 R 및 Stata 툴킷인 nprobust 패키지를 소개한다. 유한 표본 추론을 향상시키기 위해 사전 점점적 공식과 이방성-강건한 분산 추정량을 제안하며, 경계점에서도 95% 신뢰구간의 근사 명목 수준 커버리지(coverage)를 달성하여 시뮬레이션 연구에서 기존 패키지들을 능가한다.

ABSTRACT

Nonparametric kernel density and local polynomial regression estimators are very popular in Statistics, Economics, and many other disciplines. They are routinely employed in applied work, either as part of the main empirical analysis or as a preliminary ingredient entering some other estimation or inference procedure. This article describes the main methodological and numerical features of the software package nprobust, which offers an array of estimation and inference procedures for nonparametric kernel-based density and local polynomial regression methods, implemented in both the R and Stata statistical platforms. The package includes not only classical bandwidth selection, estimation, and inference methods (Wand and Jones, 1995; Fan and Gijbels, 1996), but also other recent developments in the statistics and econometrics literatures such as robust bias-corrected inference and coverage error optimal bandwidth selection (Calonico, Cattaneo and Farrell, 2018, 2019). Furthermore, this article also proposes a simple way of estimating optimal bandwidths in practice that always delivers the optimal mean square error convergence rate regardless of the specific evaluation point, that is, no matter whether it is implemented at a boundary or interior point. Numerical performance is illustrated using an empirical application and simulated data, where a detailed numerical comparison with other R packages is given.

연구 동기 및 목표

• 비모수 커널 밀도 및 국소 다항 회귀 분석을 위한 통합적이고 사용자 友好的 소프트웨어 패키지를 R 및 Stata에서 개발하기.
• 특히 경계점에서의 비모수 커널 추정에서 전통적인 추론 방법의 열악한 유한표본 성능을 해결하기.
• 평가점의 위치에 관계없이 최적의 평균 제곱 오차 수렴을 보장하는 현대적 이론 기반의 밴드위드 선택 방법을 구현하기.
• 이방성 일관성 및 클러스터-강건한 분산 추정량을 사용한 강건한 추론 절차를 제공하여 커버리지 정확도를 향상시키기.
• 경계 속도 적응형이며 최적 수렴 속도를 달성하는 실용적이고 데이터 기반의 밴드위드 선택 방법을 제공하기.

제안 방법

• 패키지는 국소 다항 회귀 추정량과 분산 추정량에 사전 점점적 공식을 사용하여 점점적 근사보다 더 우수한 유한표본 성능을 달성한다.
• 점 추정을 위한 평균 제곱 오차(MSE) 및 통합 평균 제곱 오차(IMSE) 근사에 기반한 밴드위드 선택을 구현한다.
• 신뢰구간 구성에서 최적의 밴드위드 선택을 위해 고차수 에지워스 전개를 통한 커버리지 오차(CE) 근사를 사용한다.
• 이방성 일관성(HC) 및 클러스터-강건한 분산 추정량을 사용하여 편향 보정 추론을 실현하며, 이는 동질 분산 일관성 대체 방법을 대체한다.
• 기본 밴드위드 선택기는 경계 속도 적응형으로, 내부점과 경계점에서 모두 최적의 평균 제곱 오차 수렴 속도를 보장한다.
• 모든 절차는 완전히 데이터 기반이며, 유한표본 성질을 고려하여 설계되었으며, 최근의 비모수 통계학 및 경제학 이론적 발전을 기반으로 한다.

실험 결과

연구 질문

• RQ1 비모수 커널 기반 추론 절차가 특히 경계점에서 유한 표본에서 95% 신뢰구간에 대해 근사 명목 수준 커버리지를 달성할 수 있는가?
• RQ2 HC 및 클러스터-강건한 분산 추정량을 사용한 강건한 편향 보정이 기존의 동질 분산 일관성 방법보다 추론 정확도를 뚜렷이 향상시키는가?
• RQ3 한 가지 밴드위드 선택 방법이 평가점이 내부점이든 경계점이든 간에 최적의 평균 제곱 오차 수렴 속도를 달성할 수 있는가?
• RQ4 nprobust의 성능은 np, locfit, lpridge 등의 다른 R 패키지들과 비교해 점 추정 및 추론 정확도 측면에서 어떻게 다른가?
• RQ5 유한 표본에서 인구 최적의 밴드위드 대비 교차 검증된 밴드위드를 사용할 경우, 신뢰구간의 실증적 커버리지는 어떻게 되는가?

주요 결과

• nprobust 패키지는 경계점 x=0에서 95% 신뢰구간의 실증적 커버리지가 94%를 기록하여, 유사 조건에서 0%와 76.2%의 커버리지를 보고한 np 패키지를 뚜렷이 능가한다.
• nprobust의 모든 추론 절차는 평가점과 밴드위드 선택 방법에 관계없이 근사 명목 수준 커버리지를 달성하며, 局소 곡률과 경계 효과에 대한 강건성을 입증한다.
• 패키지의 기본 밴드위드 선택기는 내부점과 경계점에서 모두 최적의 평균 제곱 오차 수렴 속도를 보장하며, 경계 속도 적응성을 확보한다.
• nprobust의 점 추정은 다른 패키지들과 평균 제곱 오차 측면에서 유사한 성능을 보이며, 추론 성능는 뚜렷이 뛰어나다.
• 시뮬레이션 결과에 따르면, nprobust의 밴드위드 선택기는 그들의 인구 목표값과 잘 맞는 성능을 보이며, ROT 선택기 역시 평균적으로 우수한 성능을 보였다.
• 사전 점점적 공식과 강건한 분산 추정량의 사용은 고차수 경계 카프트리에를 유도하여, 경계점에서의 추론 정확도를 향상시킨다.