[論文レビュー] Panel Data Models with Time-Varying Latent Group Structures

Yiren Wang, Peter C.B. Phillips+1 more|arXiv (Cornell University)|Jul 29, 2023

Spatial and Panel Data Analysis被引用数 5

ひとこと要約

本稿では、時変動する潜在的グループ構造と未知の構造的乖離点を同時に推定するインタラクティブ固定効果を備えたパネルデータモデルを提案する。核ノルム正則化と逐次的仮説検定を用いたK-meansアルゴリズムを用い、漸近的に有効な推定と推論が可能となる。これにより、乖離日時、グループ数、乖離前の後でのグループ所属関係が一貫して推定可能となる。

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.

研究の動機と目的

• クロスセクションの非定型性を潜在的グループ構造で、時間的非定型性を未知の構造的乖離点でモデル化すること。
• 乖離点を境にグループ数とグループ構造の両方が変化することを許容し、モデルの現実性を高めること。
• 乖離点、グループ所属関係、グループ固有のパラメータを同時に同定する統一的な推定フレームワークの構築。
• 提案されたモデルと推定手順下での回帰係数推定量の漸近的分布の確立。
• シミュレーションと不動産価格実応用を通じて、有限標本における性能と適用可能性の検証。

提案手法

• 低ランク回帰係数行列の初期一貫推定量を求めるために核ノルム正則化（NNR）を用い、フロベニウスノルムの一貫性を活用する。
• NNR推定量に対して特異値分解（SVD）を適用し、一貫した要因および因子負荷推定量を回復する。
• 候補となる乖離日時の範囲で残差平方和を最小化することで、構造的乖離点を二分法的手法で推定する。
• グループ内平方和に基づく検定統計量を用い、逐次的仮説検定K-meansアルゴリズムを適用して、乖離前の後でのグループ所属関係とグループ数を推定する。
• 行方向および列方向の線形回帰を統合し、グループ固有の係数および乖離点位置の推定量を精緻化する。
• 漸近的理論を用いて回帰係数推定量の標本分布を導出し、有効な推論を可能にする。

実験結果

リサーチクエスチョン

• RQ1 インタラクティブ固定効果を備えたパネルモデルは、構造的乖離点と時変動する潜在的グループ構造を同時に推定可能か？
• RQ2 提案手法は、乖離点、グループ数、および乖離前の後でのグループ所属関係を一貫して推定可能か？
• RQ3 代替的手法と比較して、有限標本における本手法の性能はいかがなものか？
• RQ4 提案された推定手順下での回帰係数推定量の漸近的分布は何か？
• RQ5 本モデルは、米国の大都市圏における住宅価格データのような現実世界のデータで構造的変化を検出可能か？

主な発見

• 乖離点、グループ数、およびグループ所属関係は、確率が1に近づく一貫性を示す。
• 回帰係数推定量の漸近的分布が確立され、提案されたモデル下での有効な推論が可能となる。
• モンテカルロシミュレーションでは、乖離点およびグループ構造の変化を高い精度で検出する優れた有限標本性能が示された。
• 米国住宅価格データ（1975–2014年、377のMSA）を用いた実応用では、構造的乖離点と顕著なグループ所属構造の再編が明らかになった。
• 本手法は、異なる大都市圏におけるマクロ経済ショックへの非一様反応を的確に捉えており、グループ構造が時間とともに変化することを示した。
• 逐次的仮説検定K-meansアルゴリズムは、乖離後のグループ数が前後で異なる場合でも、グループ所属関係の変化を効果的に同定できた。