Endogeneity กับ heterogeneity ที่ไม่ได้สังเกตเห็น

13

อะไรคือความแตกต่างระหว่างendogeneityและ heterogeneity ที่ไม่ได้สังเกตเห็น? ฉันรู้ว่า endogeneity มาจากตัวอย่างของตัวแปรที่ละเว้นหรือไม่ แต่เท่าที่ฉันเข้าใจความแตกต่างที่ไม่ได้สังเกตเห็นทำให้เกิดปัญหาเดียวกัน แต่ที่วางความแตกต่างระหว่างความคิดทั้งสองนี้ที่ไหน?

regression assumptions

— MarkDollar
แหล่งที่มา

ความแตกต่างที่ไม่ได้ถูกค้นพบอาจมีการตีความที่แตกต่างกัน (เช่น Google ไม่ได้ให้คำจำกัดความที่ไม่ซ้ำกัน) คุณสามารถอ้างอิงการอ้างอิงหรือให้คำจำกัดความที่แม่นยำที่คุณต้องการจะอธิบาย

— mpiktas

@mpiktas: ฉันกำลังวิเคราะห์ปัญหาของตัวแปรที่ละเว้นในการถดถอย การละเว้นตัวแปรเป็นสาเหตุของปัญหาเกี่ยวกับความสอดคล้องของตัวประมาณ มีปัญหาอื่น ๆ อีกมากมายที่ทำให้เกิดความไม่สอดคล้องกัน (ยกตัวอย่างเช่นสาเหตุเชิงสาเหตุและข้อผิดพลาดในการวัด) ปัญหาทั้งหมดนี้เรียกว่า Endogenity แต่ในบริบทนี้คุณมักได้ยินคำว่า heterogenity ที่ไม่ได้สังเกต และฉันไม่แน่ใจว่านี่เป็นคำพ้องสำหรับ Endogenity หรือไม่ ขออภัยฉันไม่สามารถให้ข้อมูลเพิ่มเติมแก่คุณได้เนื่องจากฉันไม่มี (การอ้างอิงเป็นภาษาโปแลนด์คุณจะไม่เข้าใจ :))

— MarkDollar

3

ลองฉันฉันรู้ว่ารัสเซียและสูตรเหมือนกันสำหรับทุกภาษา

— mpiktas

13

ข้อกำหนดความเป็นเนื้อเดียวกันและความหลากหลายที่ไม่ได้สังเกตมักจะอ้างถึงสิ่งเดียวกัน แต่การใช้งานแตกต่างกันไปบ้างแม้ในทางเศรษฐศาสตร์วินัยที่ฉันเชื่อมโยงกับข้อตกลงส่วนใหญ่

ในสมการการถดถอยตัวแปรอธิบายเป็นภายนอกถ้ามันมีความสัมพันธ์กับคำผิดพลาด

Endogeneity มักจะอธิบายว่ามีสามแหล่ง: ตัวแปรที่ถูกละเว้นข้อผิดพลาดการวัดและความพร้อมกัน แม้ว่ามันจะมีประโยชน์ในการกล่าวถึง "แหล่งที่มา" เหล่านี้แยกจากกัน แต่บางครั้งความสับสนเกิดขึ้นเพราะพวกเขาไม่ได้แยกแยะอย่างแท้จริง ลองนึกภาพการถดถอยทำนายผลของการศึกษาต่อค่าแรง บางทีมาตรการการศึกษาของเราเป็นเพียงจำนวนปีที่มีคนใช้ในการศึกษาอย่างเป็นทางการโดยไม่คำนึงถึงประเภทของการศึกษา หากฉันมีความคิดที่ชัดเจนว่าการศึกษาประเภทใดมีผลต่อค่าจ้างฉันอาจอธิบายสถานการณ์นี้ว่าเป็นข้อผิดพลาดในการวัดในตัวแปรการศึกษา อีกทางหนึ่งฉันสามารถอธิบายสถานการณ์ว่าเป็นปัญหาตัวแปรที่ละเว้น (ตัวแปรที่ระบุประเภทของการศึกษา)

บางทีค่าจ้างก็ส่งผลกระทบต่อการตัดสินใจด้านการศึกษาด้วย ถ้าวัดค่าแรงและการศึกษาในเวลาเดียวกันนี่เป็นตัวอย่างของความพร้อมกัน แต่มันก็อาจถูกปรับแก้ในแง่ของตัวแปรที่ละเว้น

ความแตกต่างที่ไม่ได้สังเกตคือความผันแปร / ความแตกต่างเพียงอย่างเดียวระหว่างกรณีที่ไม่ได้วัด หากคุณเข้าใจความเป็นอันหนึ่งอันเดียวกันฉันคิดว่าคุณเข้าใจความหมายของความแตกต่างที่ไม่ได้สังเกตในบริบทการถดถอย

— Michael Bishop
แหล่งที่มา

1

ฉันจะรวมการตอบกลับอัตโนมัติพร้อมข้อผิดพลาดที่เกี่ยวข้องอัตโนมัติและการเลือกตัวอย่างเนื่องจากวิธีการเพิ่มเติมสามารถเกิดขึ้นได้

— Dimitriy V. Masterov

1

@ DimitriyV.Masterov ขอบคุณสำหรับการกล่าวถึงแนวคิดเหล่านั้นฉันคิดว่าพวกเขาขยายจุดที่ฉันทำ ยกตัวอย่างเช่นกรณีของการตอบกลับอัตโนมัติที่มีข้อผิดพลาดที่เกี่ยวข้องอัตโนมัติหรือการเลือกตัวอย่างไม่สามารถอ้างอิงเป็นปัญหาของตัวแปรที่ละเว้น ฉันรู้ว่าฉันไม่ได้สอนอะไรคุณ ฉันแค่ต้องการให้ผู้เรียนคิดว่าคำเหล่านี้เกี่ยวข้องกันอย่างไรและตระหนักว่าปัญหาทางสถิติเดียวกันสามารถทำให้เกิดแนวคิดได้หลายวิธี

— Michael Bishop

13

ฉันเห็นด้วยกับคำอธิบายของ endogeneity @ Michael เกี่ยวกับปัญหาที่เกิดขึ้นกับตัวแปรที่คุณรวมถึงและความสัมพันธ์กับตัวแปรที่คุณไม่ได้ทำ (เช่นเนื้อหาในคำผิดพลาด)

ความแตกต่างที่ไม่ได้สังเกตเห็นมักเป็นเรื่องเกี่ยวกับองค์ประกอบที่ไม่สามารถสังเกตได้ของผลกระทบที่คุณประเมิน การดำเนินการตามตัวอย่างการศึกษาของ @ Michael ความหลากหลายที่ไม่ได้รับการเอาใจใส่อาจเป็นไปได้ว่าบางคนมีผลตอบแทนสูงกว่า (เช่นการเพิ่มขึ้นของค่าจ้าง) จากการไปโรงเรียนมากกว่าคนอื่น ให้ผลตอบแทนสำหรับบุคคลจะกับ 0เรามี ที่ไหน $i$ $\beta + b_i$ $\mathbb{E}(b_i) = 0$

y_{i} = x_{i} (β + b_{i}) + w_{i}^{'} γ + ϵ_{i},

$\begin{equation*} y_i = x_i (\beta + b_i) + w^\prime_i \gamma + \epsilon_i, \end{equation*}$

คือรายได้ (โดยปกติบันทึก)

คือปีการศึกษาและ

คือชุดของการควบคุมอื่น ๆ ตัวอย่างของ endogeneity คือเมื่อ

สัมพันธ์กับ

(เช่นการศึกษามีความสัมพันธ์กับ IQ ซึ่งไม่ได้อยู่ในกลุ่มทำนายอื่น ๆ ของเรา)

y_{i}

$y_i$

x_{i}

$x_i$

w_{i}

$w_i$

x_{i}

$x_i$

ϵ_{i}

$\epsilon_i$

y_{i} = x_{i} β + w_{i}^{'} γ + (ϵ_{i} + b x_{i}) = x_{i} β + w_{i}^{'} γ + {\tilde{ϵ}}_{i}

$\begin{equation*} y_i = x_i \beta + w^\prime_i \gamma + (\epsilon_i + b x_i) = x_i \beta + w^\prime_i \gamma + \tilde{\epsilon}_i \end{equation*}$

x_{i}

$x_i$

{\tilde{ϵ}}_{i}

$\tilde{\epsilon}_i$

— ชาร์ลี
แหล่งที่มา

3

ฉันเข้าใจถึงความแตกต่างที่จะแตกต่างระหว่างบุคคล ความแตกต่างที่สังเกตได้มักประกอบด้วย covariates และ heterogeneity ที่ไม่ได้สังเกตประกอบด้วยความแตกต่างที่ไม่ได้สังเกตเช่นความสามารถหรือความพยายาม

Endogeneity หมายถึงความสัมพันธ์ระหว่างตัวแปรที่สังเกตและตัวแปรที่ไม่ได้สังเกตคือว่าขึ้นอยู่กับตัวแปรอื่น

— แดน
แหล่งที่มา

2

ในการสรุป:

ความหลากหลายที่ไม่ได้ถูกสังเกตเป็นสาเหตุหนึ่งที่เป็นไปได้ของการเป็น endogeneity
Endogeneity จึงเป็นคำที่กว้างขึ้น
ความหลากหลายที่ไม่ได้ถูกสังเกตหมายถึง endogeneity แต่ไม่ใช่วิธีอื่น ๆ

— petermeissner
แหล่งที่มา

2

ความแตกต่างระหว่าง heterogeniety ที่ไม่ได้สังเกตและ endogeniety ในกรณีของตัวแปรที่ละเว้นอยู่ในสมมติฐานของมุมฉากที่ทำ ในขณะที่ในอดีตข้อสันนิษฐานก็คือตัวแปรที่ไม่ได้สังเกตคือตัวแปรอิสระที่สังเกตได้ (รวมอยู่ด้วย) ตัวแปรอธิบาย x, ... ในภายหลังสมมติฐานนี้ผ่อนคลายเช่นตัวแปรที่ไม่ได้สังเกต (ยกเว้น) นั้นมีความสัมพันธ์กับตัวแปรที่สังเกต (รวม) ตัวแปรอธิบาย

— jumens
แหล่งที่มา

-1

คำตอบง่าย ๆ โดยไม่มีคำอธิบายเพราะมันไม่ต้องการ: ถ้าตัวแปรที่ละเว้นซึ่งทำให้เกิด endogeneity ไม่สามารถสังเกตเห็นได้เราเรียกมันว่า ง่าย :)

— E.Brady
แหล่งที่มา