[논문 리뷰] Panel Data Models with Time-Varying Latent Group Structures

Yiren Wang, Peter C.B. Phillips외 1명|arXiv (Cornell University)|2023. 07. 29.

Spatial and Panel Data Analysis인용 수 5

한 줄 요약

이 논문은 시간에 따라 변화하는 잠재적 군집 구조와 알려지지 않은 구조적 변화 시점(브레이크 포인트)을 동시에 추정하는 패널 데이터 모형을 제안한다. 핵형 노름 정규화와 순차적 검정 K-means 알고리즘을 사용하여 브레이크 시점, 군집 수, 브레이크 전후의 군집 구성원을 일致적으로 추정하며, 기울기 계수에 대한 점근적으로 타당한 추론이 가능하다.

ABSTRACT

This paper considers a linear panel model with interactive fixed effects and unobserved individual and time heterogeneities that are captured by some latent group structures and an unknown structural break, respectively. To enhance realism the model may have different numbers of groups and/or different group memberships before and after the break. With the preliminary nuclear-norm-regularized estimation followed by row- and column-wise linear regressions, we estimate the break point based on the idea of binary segmentation and the latent group structures together with the number of groups before and after the break by sequential testing K-means algorithm simultaneously. It is shown that the break point, the number of groups and the group memberships can each be estimated correctly with probability approaching one. Asymptotic distributions of the estimators of the slope coefficients are established. Monte Carlo simulations demonstrate excellent finite sample performance for the proposed estimation algorithm. An empirical application to real house price data across 377 Metropolitan Statistical Areas in the US from 1975 to 2014 suggests the presence both of structural breaks and of changes in group membership.

연구 동기 및 목표

• 교차 섹션 이질성(잠재적 군집 구조를 통한)과 시간 이질성(알려지지 않은 구조적 변화 시점에 의한)을 동시에 모델링하기 위해 패널 데이터를 다루는 것.
• 브레이크 포인트 전후에서 군집 수와 군집 구성원의 변화를 허용함으로써 모형의 현실성 향상.
• 브레이크 포인트, 군집 구성원, 군집별 특성 파ram터를 동시에 식별하는 통합 추정 프레임워크 개발.
• 제안된 모형과 추정 절차 하에서 기울기 계수 추정량의 점근적 분포를 확립하는 것.
• 시뮬레이션과 실물가격 응용을 통해 방법의 유한표본 성능과 적용 가능성 검증.

제안 방법

• 저랭크 기울기 행렬의 초기 일관된 추정을 위해 핵형 노름 정규화(NNR)를 사용하며, 프로베니우스 노름 일관성에 기반한다.
• NNR 추정치에 특이값 분해(SVD)를 적용하여 일관된 요인 및 요인 하중 추정치를 복원한다.
• 후보 브레이크 시점들에서 잔차 제곱합을 최소화함으로써 이분법적 분할(이분법적 분할)을 사용해 구조적 브레이크 시점을 추정한다.
• 군집 내 제곱합 기반 검정 통계량을 사용하여, 브레이크 전후의 군집 구성원과 군집 수를 추정하기 위해 순차적 검정 K-means 알고리즘을 적용한다.
• 행 및 열 기반 선형 회귀를 통합하여 군집별 계수와 브레이크 시점 위치의 추정치를 개선한다.
• 점근적 이론을 사용하여 기울기 계수 추정량의 표본 분포를 유도함으로써 타당한 추론이 가능하도록 한다.

실험 결과

연구 질문

• RQ1 상호작용 고정효과를 갖는 패널 모형이 구조적 변화와 시간에 따라 변화하는 잠재적 군집 구조를 동시에 추정할 수 있는가?
• RQ2 제안된 방법이 브레이크 시점, 군집 수, 브레이크 전후의 군집 구성원을 일관되게 추정하는가?
• RQ3 기존의 접근 방식과 비교해 유한표본에서 이 방법의 성능은 어떠한가?
• RQ4 제안된 추정 절차 하에서 기울기 계수 추정량의 점근적 분포는 무엇인가?
• RQ5 이 모형은 실세계 데이터, 예를 들어 메타폴리탄 영역별 미국 주택 가격에서의 구조적 변화를 탐지할 수 있는가?

주요 결과

• 브레이크 시점, 군집 수, 군집 구성원은 확률이 1에 수렴하는 일관성 있게 추정된다.
• 기울기 계수 추정량의 점근적 분포가 확립되어 제안된 모형 하에서 타당한 추론이 가능하다.
• 몬테카를로 시뮬레이션 결과, 브레이크 시점과 군집 구조 변화를 높은 정확도로 탐지하는 데 탁월한 유한표본 성능을 보였다.
• 미국 주택 가격 데이터(1975–2014, 377개 메타폴리탄 지역)에 대한 실증 응용에서 브레이크 포인트와 군집 구성원의 중대한 재조직화가 드러났다.
• 이 방법은 다양한 메타폴리탄 지역에서 거시경제적 충격에 대한 이질적 반응을 성공적으로 캡처하였으며, 군집 구조가 시간에 따라 변화함을 보였다.
• 순차적 검정 K-means 알고리즘이 군집 수가 브레이크 전후로 다를 경우에도 브레이크 이후의 군집 구성원 변화를 효과적으로 식별하였다.