ทำไมยอดรวมยกกำลังสองที่ไม่เพิ่มเมื่อเพิ่มตัวแปรอธิบาย?


9

ในหนังสือเรียนเศรษฐมิติของฉัน (เศรษฐมิติเบื้องต้น) ครอบคลุม OLS ผู้เขียนเขียนว่า "SSR จะต้องล้มลงเมื่อมีการเพิ่มตัวแปรอธิบายอื่น" ทำไมล่ะ


1
ในสาระสำคัญเพราะถ้าไม่มีความสัมพันธ์เชิงเส้นกับตัวแปรถัดไปอะไรก็ตาม (0 ตัวอย่างความสัมพันธ์บางส่วน), SSR จะยังคงเหมือนเดิม หากมีความสัมพันธ์ใด ๆ เลยคุณสามารถใช้ตัวแปรถัดไปเพื่อลด SSR
Glen_b -Reinstate Monica

3
คำสั่งนั้นถูกต้องในใจ แต่ไม่จริง: SSR จะยังคงเหมือนเดิม (และไม่ตก) เมื่อเพิ่มตัวแปรใด ๆ ที่เป็นการรวมกันเชิงเส้นของตัวแปรที่มีอยู่ ท้ายที่สุดโดยการละเว้นตัวแปรใหม่คุณสามารถบรรลุค่าต่ำสุดของ SSR เดียวกันกับที่คุณทำกับตัวแปรเก่าดังนั้นการเพิ่มตัวแปรใหม่จะไม่ทำให้แย่ลง
whuber

ผมตอบคำถามที่คล้ายกันที่นี่: stats.stackexchange.com/questions/306267/... คุณอาจพบว่ามีประโยชน์
Josh

คำตอบ:


18

สมมติว่าคุณมีรูปแบบการถดถอยเชิงเส้นเพื่อความสะดวกในการพิจารณาควรคำนึงถึงอันดับแรกก่อนจากนั้นจึงเปลี่ยนสองตัวแปร สิ่งนี้ทำให้ค่าความแปรปรวนร่วมเป็นสองชุด แบบแรกคือ รุ่นที่สองคือ วิธีนี้แก้ไขได้ด้วยการลดผลรวมของส่วนที่เหลือกำลังสองให้น้อยที่สุดสำหรับแบบจำลองหนึ่งที่เราต้องการลด และสำหรับรุ่นที่สองที่คุณต้องการ ลด 2 ให้บอกว่าคุณพบตัวประมาณที่ถูกต้องสำหรับโมเดล 1 จากนั้นคุณสามารถได้รับผลรวมกำลังสองที่เหลือเหมือนกันในรูปแบบที่สองโดยเลือกค่าเดียวกันสำหรับ

ผม:Yผม=β0+β1x1ผม+εผม
ผมผม:Yผม=β0+β1x1ผม+β2x2ผม+εผม
SSR1=Σผม(Yผม-β0-β1x1ผม)2SSR2=Σผม(Yผม-β0-β1x1ผม-β2x2ผม)2β0,β1และให้ 0 ตอนนี้คุณสามารถหาได้อาจจะต่ำสี่เหลี่ยมผลรวมที่เหลือโดยการค้นหาค่าที่ดีสำหรับ\β2=0β2

โดยสรุปแล้วโมเดลต่าง ๆ ซ้อนกันในแง่ที่ว่าทุกสิ่งที่เราสามารถทำโมเดลกับโมเดล 1 สามารถจับคู่โดยโมเดลสองโมเดลสองคือโมเดลทั่วไปมากกว่าโมเดล 1 ดังนั้นในการเพิ่มประสิทธิภาพเรามีอิสระมากขึ้นด้วยโมเดลสองดังนั้น หาทางออกที่ดีกว่าเสมอ

สิ่งนี้ไม่มีอะไรเกี่ยวข้องกับสถิติ แต่เป็นข้อเท็จจริงทั่วไปเกี่ยวกับการปรับให้เหมาะสม


1
ไม่คิดอย่างนี้มีประโยชน์จริงๆ!
Eric Xu

1

SSR เป็นการวัดความแตกต่างระหว่างข้อมูลและแบบจำลองการประมาณค่า

หากคุณมีตัวเลือกในการพิจารณาตัวแปรอื่นหากตัวแปรนี้มีข้อมูลเพิ่มเติมความพอดีจะแน่นกว่าซึ่งหมายความว่า SSR ที่ต่ำกว่า

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.