Theory and its appliction of nonparametric and semiparametric estimation and inference under shape constraint

2023 Fiscal Year Final Research Report

• Project/Area Number: 20K01598
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 07030:Economic statistics-related
• Research Institution: Waseda University
• Principal Investigator: Arai Yoichi 早稲田大学, 社会科学総合学術院, 准教授 (50376571)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: セミパラメトリック / ノンパラメトリック / 推定 / 検定 / 形状制約 / 単調性

Outline of Final Research Achievements

We proposed a generalized least squared (GLS) estimator with monotone restriction under the heteroskedasticity. We employ the isotonic regression in the first stage and use the isotonic regression estimator as a weight for the second stage. We show that the GLS estimator is emiparametrically efficient. The proposed GLS estimator does not require any smoothing parameters and it is computationally attractive. Our simulation shows that the GLS estimator is superior to nonparametric GLS estimators and robust approaches.

Free Research Field

計量経済学

Academic Significance and Societal Importance of the Research Achievements

本研究ではいくつかの重大な欠点のため最近用いられることの少なくなった一般化最小事情推定量に注目した。欠点を形状制約を用いることにより解決し、現実的で非常に優れた推定量を提案した。現在、広く用いられている頑健な分散推定量を用いたアプローチよりかなり効率的な推定を行うことができ、実証研究において広く用いられることが期待される。本研究で提案された一般化最小二乗推定量の第一段階目では推定された変数を被説明変数として用いている。この一般化は新しい結果であり、一般化最小二乗法だけでなくその他の統計的な問題に広く用いることができる。