패널 데이터 랜덤효과 모델의 파라미터별 편향 진단

초록

본 논문은 전통적인 하우스만 검정과 함께, 선형 혼합모형에서 제안된 편향 진단을 활용해 랜덤효과 패널 모델의 파라미터별 유한표본 편향을 추정하고, 퍼뮤테이션 기반 p‑값을 제공한다. 가솔린 수요와 교사 가치추가 모델을 사례로 적용하여, 편향 진단이 기존 검정의 보완적 역할을 함을 실증적으로 보여준다.

상세 분석

논문은 먼저 랜덤효과(RE)와 고정효과(FE) 추정량을 비교하는 하우스만 검정이 “전역적·대규모” 일관성 검정임을 강조한다. 하우스만 검정은 RE 추정량이 무작위 효과와 설명변수 사이에 상관이 없다는 전제 하에 두 추정량이 동일한 모집단 평균을 공유한다는 귀무가설을 검정한다. 그러나 이 검정은 유한표본에서 발생할 수 있는 편향을 직접적으로 측정하지 못한다.

이에 저자는 Karl & Zimmerman(2021)의 편향 진단을 도입한다. 이 방법은 선형 혼합모형 (y = X\beta + Z\eta + \varepsilon)에서, 고정효과 설계행렬 (X)를 조건부로 두고 무작위 효과 설계행렬 (Z)를 확률적(스톡캐스틱)이라고 가정한다. 파라미터 (k’\beta)에 대해 가중치 벡터 (\hat\nu_k = k’(X’ \hat V^{-1} X)^{-1} X’ \hat V^{-1} Z)를 정의하고, 편향은 (E