Ruhr Economic Papers

Ruhr Economic Papers #824

Nonparametric Estimation of the Random Coefficients Model: An Elastic Net Approach

von Florian Heiss, Stephan Hetzenecker und Maximilian Osterhaus

RGS, UDE, 09/2019, 51 S./p., 10 Euro, ISBN 978-3-86788-957-5 DOI: 10.4419/86788957

download

Zusammenfassung

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.

JEL-Classification: C14, C25, L

Keywords: Random coefficients; mixed logit; nonparametric estimation; elastic net

Hoch