[논문 리뷰] Linear Multidimensional Regression with Interactive Fixed-Effects

Hugo Freeman|arXiv (Cornell University)|2022. 09. 23.

Spatial and Panel Data Analysis인용 수 5

한 줄 요약

이 논문은 상호작용 고정효과를 가진 선형 다차원 패널 데이터 모형에 대해 군 고정효과 및 커널 가중 고정효과 방법을 제안하며, 오차 구조에 대한 사전 지식이 없더라도 파arametric 속도로 일관된 추정이 가능하다. 표준因자 방법은 상호작용 효과 구조가 알려져 있을 경우 잘 작동하지만, 새로운 방법들은 고차원 설정에서 강건성과 더 빠른 수렴 속도를 제공한다.

ABSTRACT

This paper studies a linear model for multidimensional panel data of three or more dimensions with unobserved interactive fixed-effects. The main estimator uses a Neyman-orthogonal approach, and requires two preliminary steps. First, the model is embedded within a two-dimensional panel framework where factor model methods in Bai (2009) lead to consistent, but slowly converging, estimates. The second step develops a weighted-within transformation that is robust to multidimensional interactive fixed-effects and achieves the parametric rate of consistency. The estimator is shown to be asymptotically normal. The methods are implemented to estimate the demand elasticity for beer.

연구 동기 및 목표

• 패널 데이터에서 세 개 이상의 차원에서의 관측되지 않는 이질성을 통제하는 데에 추가 스칼라 고정효과의 한계를 해결한다.
• 관측된 공변수의 계수를 추정할 수 있는 방법을 개발하며, 이는 다차원 데이터에 관측되지 않는 상호작용 고정효과가 존재할 경우를 대비한다.
• 군 고정효과(GFE) 및 커널 가중 고정효속(GWE)을 표준 인자 방법의 강건한 대안으로 사용할 수 있도록 이론적 및 실증적 근거를 제공한다.
• 시뮬레이션과 실제 세계의 수요 가격탄력도 응용을 통해 상호작용 고정효과 구조가 알려져 있거나 알려지지 않은 경우 다양한 추정기의 성능을 평가한다.

제안 방법

• Bai(2009)의 기존 인자 구조 방법을 활용하기 위해 삼차원 상호작용 고정효과 모형을 표준 이차원 패널 프레임워크에 통합한다.
• 표준 인자 방법이 일관된 파rameter 추정치를 도출할 수 있는 충분조건를 도출하며, 이는 수렴 속도가 느릴 수 있음을 시사한다.
• Bonhomme, Lamadon, and Manresa(2021)의 클러스터링 기법을 다차원 데이터에 적응시켜 군 고정효과(GFE)를 도입한다.
• 관측되지 않는 상호작용 고정효과를 제거하기 위해 새로운 커널 가중 내부 변환을 제안하며, 모형 오-specification에 대한 강건성을 향상시킨다.
• 내부 변환 및 클러스터링 기법을 활용해 모든 차원에서 동시에 곱셈형 관측되지 않는 이질성을 통제한다.
• 각 차원에서 별도로 부트스트랩 리샘플링을 수행하여 표준오차를 계산하고 추론의 강건성을 평가한다.

실험 결과

연구 질문

• RQ1 관측되지 않는 상호작용 고정효과가 있는 세 개 이상의 차원 패널 데이터 모형에서 표준 이차원 인자 방법이 언제 일관성이 유지되는가?
• RQ2 관측되지 않는 상호작용 효과 구조를 사전에 알지 못하더라도 군 고정효과(GFE) 및 커널 가중 고정효과 방법이 다차원 설정에서 파arametric 수준의 일관성 수렴 속도를 달성할 수 있는가?
• RQ3 유한 표본에서 전통적 고정효과 추정기와 인자 기반 추정기와 비교할 때 제안된 방법의 편향, 분산, 효율성은 어떠한가?
• RQ4 실제 세계의 수요 모델링에서 고차원 고정효과의 실증적 관련성은 무엇이며, 특히 복잡한 다차원 구조를 가진 데이터셋에서 어떻게 적용되는가?
• RQ5 도구변수(IV) 추정기의 성능은 고차원 설정에서 어떻게 영향을 받는가? 특히 도구변수가 일부 차원에서만 변할 경우 어떻게 되는가?

주요 결과

• 관측되지 않는 상호작용 고정효과의 구조가 알려져 있을 경우 표준 인자 방법은 일관성을 확보하지만, 수렴 속도가 느릴 수 있다.
• 군 고정효과(GFE) 및 커널 가중 고정효과 방법은 특정 정규성 조건 하에서 관측되지 않는 진짜 상호작용 효과 구조를 알지 못하더라도 파arametric 수준의 일관성 수렴 속도를 달성한다.
• 시뮬레이션 결과, 상호작용 효과 구조가 알려지지 않았거나 잘못 지정된 경우 GFE 및 커널 방법이 표준 인자 방법보다 더 강건함을 확인하였다.
• 맥주 수요에 대한 실증 응용에서 모든 고정효과 추정기의 평균 탄력도 추정치는 유사하게 나타났으며, 이는 이 데이터셋에서 관측되지 않는 이질성이 너무 복잡하지 않아 고차원 투영 방법이 필요로 하지 않음을 시사한다.
• 일반화된 도구변수 추정기의 결과로 탄력도 추정치가 더 크고 표준오차가 높게 나타났으며, 이는 일부 차원에서만 변하는 도구변수가 약한 가능성을 시사한다.
• 이 연구는 고차원 데이터에서 표준 IV 접근법이 도구변수가 모든 차원에서 변하지 않을 경우 제한될 수 있음을 보여주며, 강건한 고정효과 방법의 필요성을 강조한다.