[论文解读] Local Regression Distribution Estimators

Matias D. Cattaneo, Michael Jansson+1 more|arXiv (Cornell University)|Sep 30, 2020

Statistical Methods and Inference参考文献 6被引用 11

一句话总结

本文提出了一类新型的局部回归分布估计器，通过局部多项式回归实现高效且边界自适应的密度函数与分布函数估计。该研究建立了点态与一致的渐近近似，推导出一种达到理论效率边界最小距离估计器，并将该方法应用于项目评估，提供了有效的置信区间及R和Stata软件支持。

ABSTRACT

This paper investigates the large sample properties of local regression distribution estimators, which include a class of boundary adaptive density estimators as a prime example. First, we establish a pointwise Gaussian large sample distributional approximation in a unified way, allowing for both boundary and interior evaluation points simultaneously. Using this result, we study the asymptotic efficiency of the estimators, and show that a carefully crafted minimum distance implementation based on "redundant" regressors can lead to efficiency gains. Second, we establish uniform linearizations and strong approximations for the estimators, and employ these results to construct valid confidence bands. Third, we develop extensions to weighted distributions with estimated weights and to local $L^{2}$ least squares estimation. Finally, we illustrate our methods with two applications in program evaluation: counterfactual density testing, and IV specification and heterogeneity density analysis. Companion software packages in Stata and R are available.

研究动机与目标

• 开发一个统一的框架，用于基于局部回归的大样本分布与密度估计推断。
• 通过构建边界自适应估计器，解决非参数密度估计中的边界偏差问题。
• 通过引入冗余回归变量的最小距离方法，提升基于核的密度估计器的效率。
• 建立一致的线性化与强近似，以支持在区域上的有效置信区间构造。
• 将该方法扩展至加权分布及局部L²最小二乘估计，以拓展其在计量经济学中的应用。

提出的方法

• 使用阶数不超过p的多项式基函数对经验分布函数进行核加权的局部最小二乘逼近。
• 采用随样本量变化的核函数的U-统计量结构，实现完全自动化的学生化处理与一致的标准误估计。
• 通过引入冗余回归变量，实施最小距离估计，以最小化渐近方差，从而达到效率边界。
• 利用经验过程理论推导一致的线性化与强近似，支持在区间上的联合推断。
• 通过高阶局部多项式回归（阶数3）构建稳健置信区间，带宽选择基于最小化积分均方误差。
• 应用加权方案以估计工具变量设定下的潜在结果分布，支持分布处理效应分析。

实验结果

研究问题

• RQ1 局部回归分布估计器能否在密度估计中实现与理论下限相当的渐近效率？
• RQ2 如何在不额外修改的情况下实现局部多项式密度估计中的边界自适应？
• RQ3 冗余回归变量在构建提升效率的最小距离估计器中起什么作用？
• RQ4 能否建立一致的线性化与强近似，以支持在区域上的有效置信区间？
• RQ5 所提出的方法如何扩展至加权分布及计量经济学应用中的局部L²最小二乘估计？

主要发现

• 所提出的最小距离估计器的渐近方差可任意接近理论效率下限，与Granovsky和Müller（1991）以及Cheng、Fan和Marron（1997）建立的下限一致。
• 使用多项式基函数时，边界自适应密度估计器自然形成，无需额外修改。
• 在内部与边界评估点上，均建立了具有一致标准误的点态高斯近似，支持有效推断。
• 推导出一致的线性化与强近似，支持在感兴趣区域上构造有效置信区间。
• 该方法应用于JTPA数据集，验证了工具变量的有效性，并发现对遵守者（compliers）的处理效应大于意向处理效应，但小于注册效应。
• 开发了配套的R和Stata软件包，用于实现估计器，带宽选择基于最小化积分均方误差。