[论文解读] 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 4

一句话总结

本文提出一种非参数核平滑方法用于面板数据，以估计跨截面单位间异质动态的密度，使用单位特定的均值、自协方差和自相关系数。主要贡献是在双渐近理论（N, T → ∞）下建立了严格的渐近理论，表明高阶带宽依赖偏差影响了所需的 N/T 条件，一致性要求 N²/T⁵ → 0，而渐近正态性在标准带宽选择下要求 N²/T³ → 0。

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.

研究动机与目标

• 开发一种无需模型假设的方法，用于可视化和分析面板数据中跨截面单位在动态特征（均值、方差、持久性）方面的异质性。
• 建立当应用于长面板中单位特定自协方差和自相关系数时，核平滑密度估计量的渐近性质。
• 阐明带宽选择与扰动参数估计如何引发高阶渐近偏差，从而改变对 N 与 T 相对样本量条件的要求。
• 提出并证明一种分层面自展法（split-panel jackknife）可校正多种偏差源，同时不增加渐近方差。
• 将 Calonico 等人（2018a）的稳健偏差校正（RBC）程序扩展至分层面自展估计量，以实现推断。

提出的方法

• 对面板中每个截面单位估计其特定的均值、自协方差和自相关系数。
• 对这些单位特定统计量的经验分布应用核平滑，以估计其密度函数。
• 使用双渐近理论（N, T → ∞）与带宽 h → 0，推导核密度估计量的渐近分布。
• 识别三种不同的渐近偏差来源：标准核偏差（O(h²)）、偶然参数偏差（O(1/T)）以及由估计误差引起的非线性偏差（O(1/(Th²)) + ∑_{j=3}^∞ O(1/√(T^j h^{2j})))。
• 实施半面板自展法（HPJ）以校正偶然参数偏差与非线性偏差，同时保持渐近方差不变。
• 将 Calonico 等人（2018a）的稳健偏差校正（RBC）程序扩展至构造自展校正估计量的置信区间。

实验结果

研究问题

• RQ1 应用于长面板中单位特定动态特征的核密度估计量的渐近性质是什么？
• RQ2 带宽参数与估计误差的存在如何影响一致性与渐近正态性所需的 N 与 T 的相对大小条件？
• RQ3 分层面自展法是否能有效校正核密度估计中的高阶渐近偏差，且不增加方差？
• RQ4 在此设定下，通过稳健偏差校正构造的置信区间的有限样本表现与覆盖特性如何？
• RQ5 鉴于复杂的偏差结构，应如何选择带宽？

主要发现

• 核密度估计量一致性的要求条件为 N²/T⁵ → 0，由于带宽与估计误差带来的高阶偏差，该条件强于典型长面板条件。
• 对于渐近正态性，条件为 N²/T³ → 0，同样比标准长面板结果更严格，原因在于带宽与偶然参数偏差的影响。
• 半面板自展法（HPJ）成功校正了偶然参数偏差（O(1/T)）与非线性偏差（O(1/(Th²)) + ∑_{j=3}^∞ O(1/√(T^j h^{2j})))，且未增加渐近方差。
• 稳健偏差校正置信区间程序可成功扩展至分层面自展估计量，从而在相同渐近框架下实现有效推断。
• 蒙特卡洛模拟表明，HPJ 估计量显著降低了偏差，尤其在 T 较小时效果明显，且 RBC 置信区间在有限样本中实现了接近名义覆盖水平。
• 带宽选择可采用标准方法，因为在推导出的条件下，自展估计量的渐近均方误差与分布仍保持良好行为。