关于偏差估计对非参数推断中覆盖精度的影响
统计理论
2018-07-27 v6 计量经济学
统计理论
摘要
非参数方法在现代实证工作中起着核心作用。尽管它们提供的推断过程对参数误设定偏差更为稳健，但可能对调参选择相当敏感。我们研究在核密度和局部多项式回归估计中偏差校正对置信区间覆盖的影响，并证明相比于欠平滑，偏差校正更优，可最小化覆盖误差并增加对调参选择的鲁棒性。这是通过一种新颖而简单的 Studentization（学生化）实现的，它导致了构造基于核的偏差校正置信区间的新方法。此外，针对实际情形，我们推导了覆盖误差最优带宽并讨论了易于实现的带宽选择器。对于内部点，我们表明当采用二阶（等价）核时，原始点估计量（偏差校正前）的 MSE 最优带宽在偏差校正后带来最快的覆盖误差衰减率，但在其他情况下是次优的，因为它过于“大”。最后，对于奇次局部多项式回归，我们表明与点估计一样，当使用适当的学生化时覆盖误差自动适应边界点；然而原始点估计量的 MSE 最优带宽是次优的。所有结果均使用有效的 Edgeworth 展开建立，并用模拟数据说明。我们的发现对实证工作有重要影响，因为它们表明在具有额外平滑性的实际相关情形中，偏差校正置信区间配合适当标准误具有更小的覆盖误差且对调参选择较不敏感。
引用
@article{arxiv.1508.02973,
title = {On the Effect of Bias Estimation on Coverage Accuracy in Nonparametric Inference},
author = {Sebastian Calonico and Matias D. Cattaneo and Max H. Farrell},
journal= {arXiv preprint arXiv:1508.02973},
year = {2018}
}