불균형 패널회귀모형에서의 이중 일반화 최대엔트로피 추정

Dual Generalized Maximum Entropy in the Unbalanced Panel Regression Model

최근에 균형 패널회귀모형에서의 일반화 최대엔트로피 추정량이 Lee, Cheon(2014)에 의해 제안되었다. 하지만, 패널회귀모형을 다루는 대부분의 많은 연구들에서 사용되고 있는 자료는 대부분 불균형 자료를 고려하고 있다. 또한, 실제적으로 이러한 자료들은 완전한 자료라기보다는 자료의 생성과정에 제한이 주어지는 불완전한 상태(ill-posed)의 자료가 많다. 이러한 상황을 고려하지 않고 통계적인 추론을 하게 되면 결론이 안정적이지 못하거나 잘못된 결론이 도출될 수 있으므로 자료의 형태를 충분히 고려해야 한다. 이에 본 연구는 불완전한 상태의 자료가 불균형 일원 오차성분을 가지는 패널회귀모형에서 Lee, Cheon(2014)이 제안한 추정방법을 확장하여, 제한조건이 없는 이중 라그랑지 배수 방법을 이용한 이중 최대엔트로피형식으로 부터 일반화 최대엔트로피 추정량을 제안한다. 본 연구에서 제안한 추정량의 효율성을 보기 위해 Harrison Rubinfeld의 실 자료 분석을 통하여 MLE와 MINQUE 등과 비교하였다. 실 자료 분석 결과, 이중 일반화 최대엔트로피 추정량이 가장 안정적이고 효율적인 추정량임을 보여주었다.

Recently Lee, Cheon (2014) proposed the generalized maximum entropy estimator in the balanced panel regression model. However, the majority of many studies dealing with the panel regression model are considering the unbalanced data. In addition, these data are practically often ill-posed data with the restriction on the generative processes of data rather than complete data. Since the statistical inference without consideration of these situations makes the conclusion incorrect, the form of data should be investigated sufficiently. This paper proposes a dual generalized maximum entropy (DGME) estimator for panel regression models of ill-posed data with unbalanced one-way error components based on a dual maximum entropy form using the unconstrained dual Lagrange multiplier method. DGME was compared with MLE and MINQUE through the real data analysis of Harrison Rubinfeld. The real data analysis shows that the proposed DGME estimator is the most reliable and efficient estimator.