Beschreibung:
This paper investigates and extends the computationally attractive nonparametric random coefficients estimator of Fox, Kim, Ryan, and Bajari (2011). We show that their estimator is a special case of the nonnegative LASSO, explaining its sparse nature observed in many applications. Recognizing this link, we extend the estimator, transforming it to a special case of the nonnegative elastic net. The extension improves the estimator's recovery of the true support and allows for more accurate estimates of the random coefficients' distribution. Our estimator is a generalization of the original estimator and therefore, is guaranteed to have a model fit at least as good as the original one. A theoretical analysis of both estimators' properties shows that, under conditions, our generalized estimator approximates the true distribution more accurately. Two Monte Carlo experiments and an application to a travel mode data set illustrate the improved performance of the generalized estimator.
Dieser Artikel untersucht und erweitert den nichtparametrischen "Random Coefficients"-Schätzer von Fox, Kim, Ryan und Bajari (2011), der sich insbesondere durch seine kurze Rechenzeit auszeichnet. Wir zeigen, dass der Schätzer ein Spezialfall des "nonnegative LASSO"-Schätzers ist. Durch diesen Zusammenhang wird klar, warum die Anzahl der durch den Schätzer ermittelten Heterogenitätstypen in vielen Anwendungen sehr gering ist. Um diese nicht wünschenswerte Eigenschaft zu verbessern, erweitern wir den Schätzer zu einem "Elastic Net"-Schätzer. Die Erweiterung wählt die richtigen Heterogenitätstypen zuverlässiger aus und ermöglicht eine präzisere Schätzung der Verteilung der Heterogenität. Da unser Schätzer eine Verallgemeinerung des ursprünglichen Schätzers ist, ist garantiert, dass eine Modellgüte mindestens so hoch wie für den Originalschätzer erzielt wird. Eine theoretische Analyse der Eigenschaften beider Schätzer zeigt, dass unser verallgemeinerter Schätzer unter bestimmten Bedingungen die wahre Verteilung der Heterogenität besser approximiert. Zwei Monte-Carlo-Studien und eine Anwendung, die die Transportmittelwahl von Pendlern zwischen Toronto und Montreal untersucht, veranschaulichen die höhere Präzision unseres Schätzers.