[논문 리뷰] Simple Adaptive Size-Exact Testing for Full-Vector and Subvector Inference in Moment Inequality Models

Gregory A. Cox, Xiaoxia Shi|arXiv (Cornell University)|2019. 07. 14.

Statistical Methods and Inference인용 수 4

한 줄 요약

이 논문은 활성 부등식의 질량 등수와 동일한 자유도를 갖는 카이제곱 임계값을 사용함으로써 정확하거나 균일하게 점점 정확해지는 크기를 갖는 시뮬레이션 불필요, 튜닝 파rameter 불필요 테스트를 제안한다. 이 방법은 조건부 모멘트 부등식 모형에서 전체 벡터 및 부분벡터 파라미터에 대해 빠르고 신뢰할 수 있는 추론을 가능하게 하며, 유효성과 검정력은 유지하면서 계산 부담을 크게 줄인다.

ABSTRACT

We propose a simple test for moment inequalities that has exact size in normal models with known variance and has uniformly asymptotically exact size more generally. The test compares the quasi-likelihood ratio statistic to a chi-squared critical value, where the degree of freedom is the rank of the inequalities that are active in finite samples. The test requires no simulation and thus is computationally fast and especially suitable for constructing confidence sets for parameters by test inversion. It uses no tuning parameter for moment selection and yet still adapts to the slackness of the moment inequalities. Furthermore, we show how the test can be easily adapted for inference on subvectors for the common empirical setting of conditional moment inequalities with nuisance parameters entering linearly.

연구 동기 및 목표

• 시뮬레이션된 임계값에 의존하는 기존 모멘트 부등식 테스트의 높은 계산 비용을 해결하기 위해.
• 모멘트 선택에서 튜닝 파rameter가 필요 없도록 하여 테스트의 유효성을 해칠 수 있는 문제를 제거하기 위해.
• 고차원 파라미터 공간에서의 신뢰구간 구축을 위한 테스트 역행 기반의 계산 효율적인 방법을 개발하기 위해.
• 선형으로 포함되는 부수적 파라미터를 갖는 모델에서 부분벡터 추론으로의 방법 확장을 통해 검정력 향상과 차원 감소를 달성하기 위해.
• 일반적인 정규 조건 하에서 정확하거나 균일하게 점점 정확해지는 크기를 확보하기 위해, 특히 분산이 알려진 정규 모형에서.

제안 방법

• 테스트는 준우도비율 통계량을 사용하며, 제약된 모멘트 추정치에서 등호로 성립하는 활성 부등식의 질량 등수와 동일한 자유도를 갖는 카이제곱 임계값과 비교한다.
• 활성 부등식은 제약된 추정치에서 바인딩되는 부등식으로 식별되며, 그 질량 등수가 데이터 기반 자유도를 결정한다.
• 이 방법은 완전히 시뮬레이션을 회피하며, 관측된 표본을 통해 테스트 통계량과 임계값을 계산한다.
• 부분벡터 추론을 위해 부수적 파라미터는 투영을 통해 제거되어 관심 파라미터 벡터로만 구성된 매개변수 공간으로 축소되며, 이는 효율적인 격자 기반의 신뢰구간 구축을 가능하게 한다.
• 선형계획법을 활용하여 식별 집합과 투영된 신뢰구간을 계산함으로써 계산 가능성을 확보한다.
• 테스트는 테스트 역행을 통해 적용되며, 추정된 파라미터 하에서 모멘트 부등식의 타당성을 확인하기 위해 도함수 없는 局부 최적화 알고리즘을 사용한다.

실험 결과

연구 질문

• RQ1 시뮬레이션과 튜닝 파rameter가 없이도 계산 효율적이면서도 유효한 모멘트 부등식 테스트를 구성할 수 있는가?
• RQ2 제안된 테스트는 유한 표본 및 점점 정확해지는 경우에 정확하거나 균일하게 점점 정확해지는 크기를 유지하는가?
• RQ3 선형으로 포함되는 부수적 파라미터를 갖는 부분벡터 추론 설정에서 이 방법은 어떻게 성능을 보이는가?
• RQ4 신뢰구간 구축 시 파라미터 격자의 차원을 줄이기 위해 이 테스트를 어떻게 적응시킬 수 있는가?
• RQ5 부분벡터 테스트의 검정력은 전체벡터 테스트 및 투영 기반 대안과 비교해 어떻게 되는가?

주요 결과

• 제안된 테스트는 분산이 알려진 정규 모형에서는 정확한 크기를 달성하고 일반 모형에서는 균일하게 점점 정확해지는 크기를 확보하여, 시뮬레이션 없이도 유효한 추론이 가능하다.
• 이 방법은 시뮬레이션과 튜닝 파rameter를 모두 회피하여 계산 시간을 기존의 시뮬레이션 기반 테스트보다 수백 배 이상 단축시키며 계산 효율성이 뛰어나다.
• 부분벡터 추론에서, 몬테카를로 실험을 통해 전체벡터 테스트의 투영과 비교해 더 덜 보수적이며 더 높은 검정력을 보였다.
• 선형계획법을 사용해 시뮬레이션된 오차 표본에서 유도된 조건부 기대값을 바탕으로 관심 파라미터의 식별 집합을 [-1.203, -0.757]로 계산하였다.
• 투영된 신뢰구간을 위한 알고리즘은 다수의 무작위 재시작을 통해 도함수 없는 최소화 절차를 사용하여 타당한 파라미터 값의 탐색에 대한 강건성을 확보한다.
• 테스트 통계량과 임계값은 데이터로부터 직접 유도되며, 자유도는 제약된 추정치에서 활성 부등식의 질량 등수에 의해 결정되어, 부등식의 느슨함에 대한 데이터 기반 적응성을 보장한다.