[论文解读] Nonparametric estimation in random coefficients binary choice models

Erwan Gautier, Yukichi Kitamura|arXiv (Cornell University)|Jul 14, 2009

Statistical Methods and Inference参考文献 36被引用 7

一句话总结

本文提出了一种基于球面上傅里叶-拉普拉斯级数的非参数估计量，用于二值选择模型中随机系数密度的估计，实现了无需优化的闭式解。该方法提供了构造性识别结果，并通过简单的插补程序实现了渐近正态性，为现有需要数值优化的方法提供了一种计算高效且灵活的替代方案。

ABSTRACT

Nous considérons dans cet article des modèles à choix binaires et coefficients aléatoires. Le but est d'estimer de manière nonparamétrique la densité du coefficient aléatoire. Il s'agit d'un problème inverse mal posé caractérisé par une transformation intégrale. Un nouvel estimateur de la densité du coefficient aléatoire est proposé. Il est basé sur les développements en séries de Fourier-Laplace sur la sphère. Cette approche permet une étude fine du problème d'identification mais aussi d'obtenir un estimateur par injection ayant une expression explicite et ne nécessitant aucun optimisation numérique. Le nouvel estimateur est donc très facile à obtenir numériquement, tout en étant souple sur le traitement de l'hétérogénéité inobservée. Nous présentons des extensions parmi lesquellesle traitement de coefficients non aléatoires et de modèles avec endogénéité.

研究动机与目标

• 开发一种在二值选择模型中对随机系数密度进行非参数估计的估计量，且无需依赖数值优化。
• 利用球谐分析，为随机系数密度提供一种构造性识别结果。
• 提供一种计算简便、可插补的估计量，对未观测到的异质性具有鲁棒性，并易于在实证应用中实现。
• 将框架扩展至处理非随机系数和协变量中的内生性问题，从而扩大其适用范围。
• 在正则性条件下建立估计量的渐近正态性，支持统计推断。

提出的方法

• 该方法采用单位球面 $\mathbb{S}^{d-1}$ 上的傅里叶-拉普拉斯级数来表示随机系数的密度，利用球谐函数进行谱分解。
• 通过选择概率函数的积分变换，将恢复系数密度的逆问题转化为球面上的去卷积型问题。
• 通过反转观测到的选择概率的球谐变换，推导出闭式估计量，避免了数值积分或优化。
• 估计量使用截断参数 $T_N$ 控制偏差与方差，并采用截断过程处理协变量密度的低密度区域。
• 通过L yapunov条件和插值不等式建立渐近正态性，依赖于核范数的界和矩条件。
• 该方法将系数向量归一化为单位范数，将支撑集缩减至球面，并利用方向数据分析技术为理论依据提供支持。

实验结果

研究问题

• RQ1 能否在二值选择模型中构造一种无需数值优化的随机系数密度非参数估计量？
• RQ2 如何利用球谐展开使随机系数二值选择模型中的识别问题具有构造性？
• RQ3 所提出的非参数估计量的渐近分布是什么？是否支持有效的统计推断？
• RQ4 当协变量密度在零附近有界时，该估计量在弱正则性条件下表现如何？
• RQ5 该方法能否扩展以处理非随机系数和协变量中的内生性问题？

主要发现

• 所提出的估计量利用球谐函数实现了闭式表达，消除了对数值优化或迭代过程的需求。
• 估计量具有渐近正态性，其方差按 $N^{-1/2}$ 规模缩放，支持标准误计算与假设检验。
• 该方法通过证明系数密度可通过选择概率函数的球谐变换唯一确定，提供了构造性识别结果。
• 估计量的方差下界为 $C T_N^{2d-1}$，偏差由截断参数 $T_N$ 和带宽选择控制。
• 在正则性条件下（包括协变量密度有界性及核的矩条件），估计量保持一致且渐近正态。
• 当 $T_N$ 和带宽选择适当时，偏差与估计误差项的收敛速度为 $o_p(1)$，确保了渐近正态性。