คำถามติดแท็ก statistics

2
เหตุใดจึงต้องใช้แบบจำลองเศรษฐศาสตร์มหภาคเชิงประจักษ์ในกรณีที่พวกมันไม่คงที่นโยบาย (Lucas Critique)
ด้วยความน่าจะเป็นสูงคำถามนี้จะซ้ำกันและฉันพยายามค้นหาแล้วในชุมชน แต่ฉันไม่ประสบความสำเร็จ ตามคำวิจารณ์ของลูคัสในแง่ทั่วไปแล้วปัญหาของแบบจำลองเชิงเศรษฐศาสตร์มหภาคเชิงประจักษ์ก็คือพวกมันไม่คงที่ต่อการเปลี่ยนแปลงนโยบายดังนั้นเราจึงไม่สามารถนำข้อสรุปเชิงนโยบายใด ๆ ออกมาได้ คำถามของฉันคือทำไมเราถึงยังใช้มันอยู่ ความช่วยเหลือใด ๆ ที่จะได้รับการชื่นชม

6
นักวิจัยก่อนหน้านี้ล้มเหลวในการตรวจจับมือร้อนเพียงเพราะการเข้าใจผิดทางสถิติหรือไม่?
แฟนบอล / ผู้เล่นบาสเก็ตบอลหลายคนเชื่อว่าการตีลูกหลายนัดติดต่อกันนัดต่อไปมีแนวโน้มที่จะเข้ามามากขึ้นบางครั้งเรียกว่ามือร้อน เริ่มต้น (ฉันคิดว่า) กับGilovich, Mallone และ Tversky (1985)มันเป็น "แสดง" ว่าจริง ๆ แล้วมันเป็นการเข้าใจผิด แม้ว่าจะมีหลายนัดติดต่อกันนัดต่อไปก็ไม่น่าจะเป็นไปได้มากไปกว่าค่าเฉลี่ยการยิงของคุณที่จะเป็นตัวกำหนด Miller และ Sanjurjo (2015)ยืนยันว่ามือที่ร้อนแรงมีอยู่จริงและนักวิจัยก่อนหน้านี้เพิ่งตกเป็นเหยื่อของการเข้าใจผิดทางสถิติที่ค่อนข้างพื้นฐาน เหตุผลของพวกเขาคืออะไรเช่นนี้: พลิกเหรียญสี่ครั้ง คำนวณความน่าจะเป็นที่ H ตาม H เพื่อให้ตัวอย่าง: HHTT มีความน่าจะเป็น 1/2, HTHT จะมีความน่าจะเป็น 0/2, TTHH จะมีความน่าจะเป็น0/1 1/1 และทั้ง TTTT และ TTTH จะเป็น NA Punchline ของ Miller และ Sanjurjo คือค่าคาดหวังของความน่าจะเป็นนี้ไม่ใช่ 0.5 แต่ but0.4 …

1
Mythbusters - กำหนดกลยุทธ์การขึ้นเครื่องบินที่ดีที่สุดโดยพิจารณาจากเวลาและคะแนนความพึงพอใจ
สายการบินส่วนใหญ่โดยสารผู้โดยสารที่เริ่มต้นจากด้านหลังของเครื่องบินและจากนั้นมุ่งหน้าไปทางด้านหน้า (หลังจากขึ้นเครื่องและผู้โดยสารที่มีลำดับความสำคัญสูง) ในกรณีของ Mythbustersอดัมและเจมี่ทดสอบตำนานว่ากลยุทธ์กินนอนที่ชื่นชอบโดยสายการบินส่วนใหญ่ด้านหลังไปด้านหน้าเป็นที่มีประสิทธิภาพน้อย ตำนานได้รับการยืนยันและผลลัพธ์เหล่านี้คือ: สุ่มไม่มีที่นั่งกลยุทธ์เป็นวิธีที่เร็วตามตรง Wilmaกลยุทธ์ อย่างไรก็ตามการสุ่มไม่มีกลยุทธ์ที่นั่งให้คะแนนความพึงพอใจต่ำสุด คะแนนความพึงพอใจสูงสุดจะได้รับจากกลยุทธ์แบบปิรามิดย้อนกลับแม้ว่ามันจะเร็วที่สุดเป็นอันดับสี่ วิธีการหนึ่งอาจกำหนดกลยุทธ์การขึ้นเครื่องที่ดีที่สุดโดยพิจารณาจากเวลาและคะแนนความพึงพอใจที่ได้รับ ( ไม่รวมสิ่งขั้นสูงเช่นการคำนวณทางเดินหรือการรบกวนที่นั่ง ) ฉันไม่สามารถนึกถึงการแปลงหน่วยใด ๆ ได้ยกเว้นการแปลงเวลาเป็นวินาทีแล้วคูณด้วยคะแนนความพึงพอใจดังนั้นมันเหมือนว่าเรากำลังพยายามเพิ่มผลผลิตของเวลาและคะแนนความพึงพอใจ: f(t,s)=tsf(t,s)=tsf(t,s) = ts อะไรคือข้อดีหรือข้อเสียของการทำเช่นนี้? ข้อเสียอย่างหนึ่งดูเหมือนว่าการจัดอันดับตามผลิตภัณฑ์ของเวลาและคะแนนความพึงพอใจให้อันดับเดียวกันโดยคะแนนความพึงพอใจ จะทำอะไรได้อีก? สิ่งที่ดูเหมือนจะนึกถึงคือผลิตภัณฑ์ดังนั้นบางทีฉันอาจเพิ่มสิ่งเหล่านี้: f(t,s)=t2sf(t,s)=t2sf(t,s) = t^2s f(t,s)=ts1/2(eliminating random no seats)f(t,s)=ts1/2(eliminating random no seats)f(t,s) = ts^{1/2} \text{(eliminating random no seats)} f(t,s)=t(s−save)f(t,s)=t(s−save)f(t,s) = t(s-s_{ave}) ฉันคิดว่าเราจะต้องเกี่ยวข้องกับเวลาและคะแนนความพึงพอใจกับบางหน่วยเช่นเงิน ดังนั้นเราจะต้องค้นหาความสัมพันธ์บางอย่าง (เช่นความสัมพันธ์เชิงเส้นผ่านการถดถอยเชิงเส้น) ระหว่างเวลาขึ้นเครื่องและค่าใช้จ่ายและจากนั้นอีกคะแนนความพึงพอใจสำหรับการขึ้นเครื่องในวันนี้และรายได้จากเที่ยวบินในเดือนหน้า มันต้องเป็นอะไรแบบนั้นเหรอ? ฉันแนะนำ z-score หรืออะไรสักอย่างดังนั้นฉันจึงลองทำมาตรฐานฉันคิดว่า: …

2
เครื่องมือออนไลน์ที่เป็นประโยชน์ (ฐานข้อมูลและอื่น ๆ ) สำหรับนักวิเคราะห์เศรษฐกิจมีอะไรบ้าง
โดยเฉพาะอย่างยิ่งฉันกำลังมองหาฐานข้อมูลออนไลน์ของสถิติเศรษฐกิจสหรัฐที่มีการปรับปรุงเป็นประจำ การค้นหาส่วนใหญ่ของฉันส่งผลให้มีข้อมูลเก่ากว่าซึ่งไม่มีประโยชน์อย่างยิ่งสำหรับสิ่งที่ฉันต้องการ ฉันต้องทำการอ้างอิงโยงจำนวนมากด้วยเช่นการเปรียบเทียบอัตราการว่างงานของสองเมือง / ภูมิภาค

1
วิธีประมาณค่าความผันผวนของแบบสุ่มด้วยโซ่มาร์คอฟ จำกัด - รัฐ?
การปฏิบัติทั่วไปเมื่อคำนวณวิธีการแก้ปัญหาการเพิ่มประสิทธิภาพแบบไดนามิกสุ่มคือการประมาณกระบวนการบังคับจากภายนอก $ z_ {t + 1} = \ rho z_t + \ sigma \ epsilon_ {t + 1} $ พร้อมด้วยห่วงโซ่มาร์คอฟสถานะ จำกัด เช่น โดยวิธีของ Tauchen หรือ Rouwenhorst อะไรจะเป็นวิธีที่ดีในการลดทอนกระบวนการ AR (1) ที่มีความผันผวนแบบสุ่ม นั่นคือถ้ากระบวนการ AR (1) -SV ดั้งเดิมมีลักษณะดังนี้: $$ \ begin {} แยก z_ {t + 1} & amp; = \ rho_z z_t …
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.