[論文レビュー] Kernel Estimation for Panel Data with Heterogeneous Dynamics

Ryo Okui, Takahide Yanagi|arXiv (Cornell University)|Feb 24, 2018

Spatial and Panel Data Analysis参考文献 20被引用数 4

ひとこと要約

本稿は、パネルデータにおける異質的ダイナミクスの密度を推定する非パrametricなカーネルスムージング手法を提案する。各クロスセクショナル単位の固有の平均、自己共分散、自己相関を用いる。主な貢献は、二重漸近的枠組み（N, T → ∞）における厳密な漸近理論であり、高次のバンド幅依存バイアスが必要なN/T条件に影響することを示しており、一貫性のためにはN²/T⁵ → 0、漸近正規性のためにはN²/T³ → 0 が要求される。

ABSTRACT

This paper proposes nonparametric kernel-smoothing estimation for panel data to examine the degree of heterogeneity across cross-sectional units. We first estimate the sample mean, autocovariances, and autocorrelations for each unit and then apply kernel smoothing to compute their density functions. The dependence of the kernel estimator on bandwidth makes asymptotic bias of very high order affect the required condition on the relative magnitudes of the cross-sectional sample size (N) and the time-series length (T). In particular, it makes the condition on N and T stronger and more complicated than those typically observed in the long-panel literature without kernel smoothing. We also consider a split-panel jackknife method to correct bias and construction of confidence intervals. An empirical application and Monte Carlo simulations illustrate our procedure in finite samples.

研究の動機と目的

• パネルデータにおけるクロスセクショナル単位間の動的特徴（平均、分散、自己回帰性）の非モデル化の可視化および分析のための方法を開発すること。
• 長パネルにおいて、単位固有の自己共分散および自己相関にカーネルスムージングを適用した密度推定器の漸近的性質を確立すること。
• バンド幅の選択およびノイズパラメータの推定が、高次の漸近的バイアスを引き起こし、その結果、NとTの相対的サンプルサイズ条件（N対T）がどのように変化するかを明確にすること。
• 漸近的分散を増大させることなく、複数のバイアス源を補正する分割パネルジャックナイフ法を提案し、その妥当性を裏付けること。
• Calonicoら（2018a）のロバストバイアス補正（RBC）手順を拡張し、ジャックナイフ補正推定器のための信頼区間を構築すること。

提案手法

• パネル内の各クロスセクショナル単位について、固有の平均、自己共分散、自己相関を推定する。
• これらの単位固有の統計量の経験的分布にカーネルスムージングを適用し、その密度関数を推定する。
• N, T → ∞ およびバンド幅 h → 0 の下で二重漸近的理論を用い、カーネル密度推定器の漸近的分布を導出する。
• 漸近的バイアスの3つの異なる要因を特定する：標準的カーネルバイアス（O(h²)）、便宜的パラメータバイアス（O(1/T)）、推定誤差に起因する非線形性バイアス（O(1/(Th²)) + ∑_{j=3}^∞ O(1/√(T^j h^{2j})))）。
• 半パネルジャックナイフ（HPJ）を実装し、便宜的パラメータバイアスおよび非線形性バイアスを補正しつつ、漸近的分散を維持する。
• Calonicoら（2018a）のロバストバイアス補正（RBC）手順を拡張し、ジャックナイフ補正推定器のための信頼区間を構築する。

実験結果

リサーチクエスチョン

• RQ1 長パネルにおける単位固有の動的特徴にカーネル密度推定器を適用した際の漸近的性質は何か？
• RQ2 バンド幅パラメータおよび推定誤差の存在が、一貫性および漸近正規性のための必要なNとTの相対的大きさにどのように影響するか？
• RQ3 分割パネルジャックナイフ法は、漸近的分散を増大させることなく、カーネル密度推定における高次の漸近的バイアスを効果的に補正できるか？
• RQ4 この設定において、ロバストバイアス補正を用いて構築された信頼区間の有限標本における性能および被覆性はいかがなものか？
• RQ5 複雑なバイアス構造を鑑みれば、バンド幅はどのように選択すべきか？

主な発見

• カーネル密度推定器の一貫性のための必要条件は N²/T⁵ → 0 であり、これはバンド幅および推定誤差に起因する高次のバイアスのため、通常の長パネル条件よりも厳しいものである。
• 漸近正規性のための条件は N²/T³ → 0 であり、バンド幅および便宜的パラメータバイアスの影響により、標準的な長パネル結果よりも厳しくなる。
• 半パネルジャックナイフ（HPJ）は、便宜的パラメータバイアス（O(1/T)）および非線形性バイアス（O(1/(Th²)) + ∑_{j=3}^∞ O(1/√(T^j h^{2j})))）を効果的に補正し、漸近的分散を増大させない。
• ロバストバイアス補正信頼区間手順は、分割パネルジャックナイフに成功裏に拡張され、同じ漸近的枠組み下での有効な推論を可能にする。
• モンテカルロシミュレーションの結果、HPJ推定器は特にTが小さい場合にバイアスを顕著に低減することが示され、RBC信頼区間は有限標本でも名目水準に近い被覆率を達成する。
• バンド幅選択には標準的手法を用いることができる。これは、導出された条件下で漸近的平均二乗誤差およびジャックナイフ推定器の分布が良好に保たれるからである。