Bootstrap inference with many weak moment conditions

具有许多弱矩条件的 Bootstrap 推理

基本信息

批准号：
17K13716
负责人：
王文傑
金额：
$ 1.58万
依托单位：
Hiroshima University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (B)
财政年份：
2017
资助国家：
日本
起止时间：
2017-04-01 至 2019-03-31
项目状态：
已结题

项目摘要

操作変数モデルの誤差項には不均一分散やクラスター構造が存在し、なおかつ沢山の操作変数が存在する場合、漸近理論的な妥当性を持つブートストラップ法の開発を行いました。このブートストラップ法による信頼集合の開発については、いつくかの解決すべき問題がありました。まず、通常使われているWald Typeブートストラップ信頼集合の有限標本性質は非常に悪いため、全ての帰無仮説に対してブートストラップ検定を行い、棄却できない場合に、その仮説に対応する値を信頼集合に含めるという形でブートストラップ信頼集合を構築しました。また、既存の理論研究では操作変数モデルの誤差項には比較的に簡単な構造が仮定されているため、これらの研究の議論を拡張する必要もありました。この問題を解決するために、Newey and Windmeijer (2009) の中心極限定理を参考にしながら、新たに不均一分散やクラスター構造が存在する場合でも通用できるブートストラップ漸近理論を導出しました。この新しい漸近理論を用いたブートストラップ法に関する理論分析を行いました。実装的には、最も単純な場合でもブートストラップ法には計算量の問題があることがわかりました。そのため、ブートストラップ法の計算時間が実行可能な範囲に収まる新しい手法を考案しました。また、提案された新しいブートストラップ法のパフォーマンスを検証するために、沢山のモンテカルロ実験を行いました。異なる操作変数の強度、不均一分散とクラスター構造を生成することによって、提案された新しいブートストラップ法による信頼集合は優れた有限標本性質を持つことが確認されました。

当仪器变量模型的误差项具有不均匀的方差和集群结构，并且也有许多仪器变量，我们已经开发了一种具有渐近理论有效性的自举方法。对于使用此Bootstrap方法的信任集的开发，需要解决一些问题。首先，由于常用的Wald Type Bootstrap Trust集的有限样本性质非常差，因此我们通过对所有NULL假设执行引导测试来构建了一个引导程序信任，并且如果不能拒绝它们，则Bootstrap Trust Set集合在信任集中。此外，现有的理论研究假设了工具变量模型中错误术语的相对简单结构，这需要扩展这些研究的讨论。为了解决这个问题，我们得出了一种自举渐进理论，即使在存在新的异质分散和群集结构的情况下，也可以使用Newey和Windmeijer（2009）的中心限制。我们使用这种新的渐近理论对Bootstrap方法进行了理论分析。在实施上，我们发现，即使在最简单的情况下，Bootstrap方法也存在计算问题。因此，我们设计了一种新方法，该方法允许Bootstrap方法的计算时间落入可行范围内。我们还进行了许多蒙特卡洛实验，以验证提出的新自举方法的性能。通过产生强度，不同仪器变量的异质差异和集群结构，可以证实，通过拟议的新引导方法设置的信任设置具有出色的有限样本属性。