[論文レビュー] Simple Local Polynomial Density Estimators

Matias D. Cattaneo, Michael Jansson+1 more|arXiv (Cornell University)|Nov 28, 2018

Statistical Methods and Inference参考文献 14被引用数 60

ひとこと要約

本論文は、経験分布関数を滑らかにすることで境界適応型・調整パラメータを抑えた局所多項式密度推定量を導入し、その漸近的性質を証明し、回帰不連続設計(RD)における操作検定へ適用し、StataおよびRソフトウェアを付随させる。

ABSTRACT

This paper introduces an intuitive and easy-to-implement nonparametric density estimator based on local polynomial techniques. The estimator is fully boundary adaptive and automatic, but does not require pre-binning or any other transformation of the data. We study the main asymptotic properties of the estimator, and use these results to provide principled estimation, inference, and bandwidth selection methods. As a substantive application of our results, we develop a novel discontinuity in density testing procedure, an important problem in regression discontinuity designs and other program evaluation settings. An illustrative empirical application is given. Two companion Stata and R software packages are provided.

研究の動機と目的

• 境界近傍でプリビニングや境界特異的なデータ変換なしに非パラメトリック密度推定を動機づける。
• 経験分布関数を滑らかにして密度を推定する局所多項式フレームワークを導入する。
• 漸近的なバイアスと分散を確立し、データ駆動の帯域幅選択とロバスト推論を提供する。
• 提案された推定量を活用した新規な「密度の不連続性（操作）検定」を開発する。
• Head StartのRD実証アプリケーションで方法を実証し、StataとRのソフトウェア実装を提供する。

提案手法

• 経験分布関数への局所多項式フィットからスロープ係数を取り出して密度推定量を構成する： f̂(x) = e1' β̂(x) with β̂(x) が min_b Σi [F̂(xi) − r_p(xi − x)' b]^2 K((xi − x)/h) を解く。
• p次の局所多項式展開 r_p(u) = (1, u, ..., u^p)' および帯域幅 h を用いる。
• 境界を考慮した境界適応の設定を仮定し、積分領域が境界を勘案することで境界特有のバイアスと分散項 B(x) と V(x) を導く。
• 単純で自動的な分散推定量 V̂(x) と境界適応バイアス推定量 B̂(x) を提供する。
• 点ごとの MSE最適帯域幅 h_MSE(x) を導出し、データ駆動の自動帯域幅選択を提案する。
• 境界付近の安定性のためデフォルトとして p = 2（局所2次）を推奨し、高次の選択は任意。

実験結果

リサーチクエスチョン

• RQ1 提案された局所多項式密度推定量はプリビニングや境界特異的データ変換なしで境界適応性を達成するか。
• RQ2 内点および境界点での推定量の主要なバイアスと分散項は何か、そしてそれらを一貫して推定できるか。
• RQ3 推定量を用いて信頼区間・仮説検定を含むデータ駆動の推論（ロバストなバイアス補正を含む）を構築できるか。
• RQ4 推定量を用いて密度の不連続性（操作検定）をRD様式の設定で効果的に検定できるか。
• RQ5 Head Startの文脈などで、提案された操作検定の経験的性能はMcCrary法や他の方法と比較してどうか。

主な発見

• 推定量は境界適応型・自動で、単一の調整パラメータ（帯域幅）とプリビニングや境界データ変換を必要としない。
• 漸近的な結果は、内点および境界点での主要なバイアスと分散項を明示し、正規分布近似を提供する。
• 単純で境界適応のデータ駆動分散推定量と境界適応のバイアス推定量を提供し、標準誤差を一貫推定可能とする。
• 点ごとの MSE 最適帯域幅 h_MSE(x) を導出し、予備推定で実装可能とする；デフォルトとして p = 2 を推奨。
• 提案された推定量を用いた新規の操作（密度の不連続性）検定を開発し、1つのチューニングパラメータのみを必要とし、ロバストなバイアス補正推論をサポートする。
• Head Startの実証アプリケーションは方法を実証し、帯域幅・多項式次数の選択に対してロバスト性を示す。