[论文解读] Inference on Directionally Differentiable Functions

Zheng Fang, Andres Santos|arXiv (Cornell University)|Apr 14, 2014

Statistical Methods and Inference参考文献 38被引用 19

一句话总结

本文提出了一种针对方向可微参数泛函的稳健自展法，证明了当泛函不完全可微时，标准自展法会失效。该文提出了一种改进的重抽样方案，可一致估计方向导数，从而在非高斯极限下实现有效的推断，并为涉及凸集（如单调性或矩不等式约束）的假设检验提供局部尺寸控制。

ABSTRACT

This paper studies an asymptotic framework for conducting inference on parameters of the form $ϕ(θ_0)$, where $ϕ$ is a known directionally differentiable function and $θ_0$ is estimated by $\hat θ_n$. In these settings, the asymptotic distribution of the plug-in estimator $ϕ(\hat θ_n)$ can be readily derived employing existing extensions to the Delta method. We show, however, that the "standard" bootstrap is only consistent under overly stringent conditions -- in particular we establish that differentiability of $ϕ$ is a necessary and sufficient condition for bootstrap consistency whenever the limiting distribution of $\hat θ_n$ is Gaussian. An alternative resampling scheme is proposed which remains consistent when the bootstrap fails, and is shown to provide local size control under restrictions on the directional derivative of $ϕ$. We illustrate the utility of our results by developing a test of whether a Hilbert space valued parameter belongs to a convex set -- a setting that includes moment inequality problems and certain tests of shape restrictions as special cases.

研究动机与目标

• 解决标准自展法在极限分布为高斯分布时，对方向可微泛函推断失效的问题。
• 为参数 $φ(\theta_0)$ 的定义构建一致的重抽样方案，其中 $\phi$ 是方向可微但非完全可微的。
• 基于 $\phi$ 在 $\theta_0$ 处的完全可微性，提出一种诊断自展一致性的方法。
• 为涉及凸集（如矩不等式模型或形状限制）的假设检验建立局部尺寸控制。
• 通过利用方向可微性，统一处理各类计量经济问题的推断——例如随机效用模型、单调性检验等。

提出的方法

• 提出一种改进的自展法，将方向导数 $\phi'_{\theta_0}$ 的一致估计量与 $\hat{\theta}_n$ 渐近分布的自展近似相结合。
• 使用一列方向导数估计量 $\hat{\phi}_n'$，其满足利普希茨连续性，并以概率收敛于 $\phi'_{\theta_0}$。
• 在希尔伯特空间设定下，利用投影算子 $\Pi_\Lambda$ 和切锥 $T_{\theta_0}$ 定义导数估计量。
• 应用凸分析与投影理论（如 Zeidler, 1984）的结果，确保在凸性约束下导数估计量的一致性。
• 通过验证导数估计量的统一收敛性与利普希茨连续性，在假设 3.3 下建立一致性。
• 通过方向导数 $\phi'_{\theta_0}(\mathbb{G}_0)$ 推导出 $r_n(\phi(\hat{\theta}_n) - \phi(\theta_0))$ 的渐近正态性，将 delta 方法推广至非可微的 $\phi$。

实验结果

研究问题

• RQ1 在何种条件下，标准自展法对方向可微参数的泛函推断是一致的？
• RQ2 为何当泛函 $\phi$ 不完全可微时，即使 $\hat{\theta}_n$ 是自展一致的，标准自展法仍会失效？
• RQ3 能否构造一种改进的重抽样方案，使其在标准自展法失效时仍保持一致？
• RQ4 如何在涉及凸集（如矩不等式模型）的推断问题中实现局部尺寸控制？
• RQ5 在非高斯渐近设定下，基于可微性的一种分析条件，能否作为自展一致性的诊断工具？

主要发现

• 当 $\hat{\theta}_n$ 的极限分布为高斯分布时，$\phi$ 在 $\theta_0$ 处的完全可微性是标准自展法一致性的充要条件。
• 所提出的改进自展法即使在标准自展法失效时仍保持一致，前提是方向导数估计量 $\hat{\phi}_n'$ 以概率收敛于 $\phi'_{\theta_0}$。
• 该方法可确保对希尔伯特空间值参数是否属于凸集（包括矩不等式与形状限制问题）的假设检验实现局部尺寸控制。
• 在 $\Lambda$ 为凸集的条件下，通过投影 $\Pi_\Lambda$ 与切锥 $T_\theta$ 的收敛性，建立了导数估计量 $\hat{\phi}_n'$ 的一致性。
• 泛函 $\phi(\hat{\theta}_n)$ 的渐近分布由 $\phi'_{\theta_0}(\mathbb{G}_0)$ 描述，将 delta 方法推广至方向可微函数。
• 本文通过将问题简化为方向导数分析，为非标准问题（如随机效用模型、单调性检验）提供了一套统一的推断框架。