Best Feasible Conditional Critical Values for a More Powerful Subvector Anderson-Rubin Test

Technisches Resümee: Beste realisierbare bedingte kritische Werte für einen leistungsstärkeren Subvektor-Anderson-Rubin-Test

Problemstellung
In dem linearen Instrumentalvariablenmodell (IV-Modell) unter Homoskedastizität ist die Inferenz auf eine Teilmenge von Parametern (Subvektor-Inferenz) durch die potenzielle Schwäche der Instrumente kompliziert. Guggenberger, Kleibergen und Mavroeidis (2019) (GKM) schlugen einen bedingten Subvektor-Anderson-Rubin (AR)-Test vor, der datenabhängige kritische Werte verwendet, um sich an die Identifikationsstärke der Störparameter (Nuisance Parameters, also jene, die nicht Gegenstand des Tests sind) anzupassen. Der GKM-Test bedingt auf dem größten Eigenwert einer nicht-zentrierten Wishart-verteilten Matrix, die aus der AR-Statistik abgeleitet wurde. Obwohl dieser Ansatz die korrekte Größe gewährleistet und eine strikt höhere Potenz als Standard-$\chi^2$-Asymptotik bietet, argumentieren die Autoren, dass der größte Eigenwert kein optimaler Indikator für schwache Identifikation ist.

Konkret signalisiert ein kleiner größter Eigenwert korrekt schwache Identifikation, aber ein großer größter Eigenwert impliziert nicht notwendigerweise eine starke Identifikation für alle Störparameter. In Szenarien, in denen der größte Eigenwert groß, aber der zweitkleinste Eigenwert klein ist, können die Störparameter dennoch unter schwacher Identifikation leiden. Das Konditionieren auf den größten Eigenwert versäumt es in solchen Fällen, die kritischen Werte ausreichend anzupassen, was potenziell zu konservativen Tests mit einer geringeren Potenz führt, als notwendig wäre.

Methodik
Das Paper schlägt vor, den Subvektor-AR-Test auf den zweitkleinsten Eigenwert ($\hat{\kappa}_{p-1}$) der $p \times p$ nicht-zentrierten Wishart-Matrix zu bedingen, wobei $p = m_W + 1$ ($m_W$ ist die Anzahl der Störparameter). Die AR-Statistik selbst entspricht dem kleinsten Eigenwert ($\hat{\kappa}_p$).

Der zentrale theoretische Beitrag stützt sich auf die Eigenschaften der gemeinsamen Verteilung der Eigenwerte einer nicht-zentrierten Wishart-Matrix $\Xi'\Xi \sim W_p(k, I_p, M'M)$:

1. Asymptotische Äquivalenz: Die Autoren zeigen auf, dass wenn die $p-2$ größten Eigenwerte der Nicht-Zentralitätsmatrix $M'M$ groß sind (gegen Unendlich gehen), die gemeinsame Verteilung der zwei kleinsten Eigenwerte ($\hat{\kappa}_{p-1}, \hat{\kappa}_p$) identisch mit der gemeinsamen Verteilung der Eigenwerte einer $2 \times 2$ nicht-zentrierten Wishart-Matrix ist.
2. Anpassung der Freiheitsgrade: In diesem Grenzfall hat die $2 \times 2$ Matrix die Freiheitsgrade $k - m_W + 1$ (wobei $k$ die Anzahl der Instrumente ist), und die Nicht-Zentralitätsparameter entsprechen den zwei kleinsten Eigenwerten der ursprünglichen $p \times p$ Matrix.
3. Transfer der kritischen Werte: Dieses Ergebnis impliziert, dass die von GKM tabellierten kritischen Wertefunktionen, die auf dem größten Eigenwert für ein $2 \times 2$-System konditionieren, direkt auf den vorgeschlagenen Test angewendet werden können, indem man lediglich die Konditionierungsvariable ersetzt: Ersetzung des größten Eigenwerts $\hat{\kappa}_1$ durch den zweitkleinsten Eigenwert $\hat{\kappa}_{p-1}$.

Um Fälle zu adressieren, in denen die $p-2$ größten Eigenwerte endlich sind (nicht gegen Unendlich gehen), leiten die Autoren die bedingte Wahrscheinlichkeitsdichtefunktion der zwei kleinsten Eigenwerte basierend auf den Ergebnissen von James (1964) und Muirhead (2009) ab. Sie beweisen, dass die Ablehnungswahrscheinlichkeit des Tests monoton fallend in den Werten der größeren Eigenwerte ist. Folglich bleibt die Größe des Tests kontrolliert (beschränkt durch das nominale Niveau $\alpha$), selbst wenn die größten Eigenwerte nicht unendlich sind, da die Ablehnungswahrscheinlichkeit in diesem Fall strikt niedriger ist als im Grenzfall, in dem sie unendlich sind.

Zentrale Beiträge und Ergebnisse

• Korrekte Größe: Der vorgeschlagene Test, der auf den zweitkleinsten Eigenwert konditioniert, behält die korrekte Größenkontrolle unter der Nullhypothese für alle Konfigurationen der Nicht-Zentralitätsparameter bei.
• Strikt höhere Potenz: Für $m_W > 1$ ist der kritische Wert, der durch die Konditionierung auf den zweitkleinsten Eigenwert gewonnen wird, strikt kleiner als der kritische Wert, der durch die Konditionierung auf den größten Eigenwert gewonnen wird (bei gleichem beobachtetem Statistikum). Da der kritische Wert niedriger ist, besitzt der vorgeschlagene Test ($\phi_{c_{p-1}}$) eine strikt höhere Potenz als der ursprüngliche GKM-Test ($\phi_{c_1}$).
• Rechentechnische Durchführbarkeit: Die Methode bewahrt die rechnerische Einfachheit des GKM-Ansatzes. Sie vermeidet die Notwendigkeit, auf eine größere Teilmenge von Eigenwerten zu konditionieren, was zwar die Potenz erhöhen würde, aber mit prohibitiver Rechenkomplexität einherginge.
• Erweiterung auf Heteroskedastizität: Die Autoren zeigen, dass ihre Ergebnisse auf das von Guggenberger, Kleibergen und Mavroeidis (2024) vorgeschlagene Setting übertragbar sind, bei dem das Modell eine bedingte Heteroskedastizität mit einer approximativen Kronecker-Produktstruktur erlaubt. Der Potenzvorteil der Konditionierung auf den zweitkleinsten Eigenwert gilt auch in diesem robusten Setting.

Bedeutung
Das Paper behauptet, den „besten realisierbaren“ Subvektor-AR-Test für das lineare IV-Setting unter Homoskedastizität bereitzustellen. Durch die Identifizierung des zweitkleinsten Eigenwerts als den angemessenen Indikator für die schwache Identifikation der Störparameter integriert das vorgeschlagene Verfahren die Informationen über die schwache Identifikation, die der GKM-Test übersieht. Dies führt zu einem Test, der sowohl rechentechnisch einfach als auch statistisch leistungsstärker ist, insbesondere wenn die Anzahl der Störparameter größer als eins ist. Die Autoren betonen, dass, obwohl die Konditionierung auf mehr Eigenwerte theoretisch weitere Potenzgewinne liefern könnte, die Rechenkosten zu hoch wären; daher stellt die Konditionierung auf den zweitkleinsten Eigenwert das optimale Gleichgewicht zwischen Durchführbarkeit und Potenz dar.