สัญชาตญาณตัวประเมินแซนวิช


20

วิกิพีเดียและ R แพคเกจแซนวิชบทความให้ข้อมูลที่ดีเกี่ยวกับสมมติฐานที่สนับสนุน OLS ค่าสัมประสิทธิ์ข้อผิดพลาดมาตรฐานและพื้นหลังทางคณิตศาสตร์ของประมาณแซนวิช ฉันยังไม่ชัดเจนว่าปัญหาของ heteroscedasticity ได้รับการแก้ไขอย่างไร แต่อาจเป็นเพราะฉันไม่เข้าใจการประมาณค่าสัมประสิทธิ์ความแปรปรวนของ OLS มาตรฐานในตอนแรก

สัญชาตญาณเบื้องหลังตัวประมาณแซนวิชคืออะไร


5
คุณต้องเรียนรู้เพิ่มเติมเกี่ยวกับการประมาณค่า (หรือการประมาณค่าสุดขีดเพราะบางครั้งเรียกว่าเป็นเศรษฐมิติ) ตัวประมาณแซนวิชสำหรับการถดถอยเป็นเพียงกรณีพิเศษของสูตรวิธีเดลต้าทั่วไปและถ้าคุณเข้าใจหลังคุณจะไม่มีปัญหาใด ๆ กับอดีต ไม่มีสัญชาตญาณในการที่ตัวประมาณแซนวิชไม่ได้พยายามทำตัวเป็นแบบเฮเทอโรเซดิคทิตี้หรือทำอะไรที่เฉพาะเจาะจงเกี่ยวกับมัน มันเป็นเพียงตัวประมาณค่าความแปรปรวนที่แตกต่างกันซึ่งทำงานภายใต้ชุดสมมติฐานทั่วไปมากกว่าตัวประมาณ OLS มาตรฐาน M
StasK

@ ขอขอบคุณ! คุณเคยรู้จักแหล่งข้อมูลที่ดีเกี่ยวกับสูตรการคำนวณ M และการคำนวณเดลต้าหรือไม่?
Robert Kubrick

@ Rober Huber มีเอกสาร "Robust Statistics" ที่มีค่า
Momo

คำตอบ:


17

สำหรับ OLS คุณสามารถจินตนาการว่าคุณกำลังใช้ความแปรปรวนโดยประมาณของคลาดเคลื่อน (ภายใต้สมมติฐานของความเป็นอิสระและ homoscedasticity) ตามที่ประมาณการความแปรปรวนของเงื่อนไขที่ s ในตัวประมาณที่อิงกับแซนวิชคุณกำลังใช้ส่วนที่เหลือกำลังสองที่สังเกตได้เป็นค่าประมาณของความแปรปรวนเดียวกันซึ่งสามารถเปลี่ยนแปลงได้ระหว่างการสังเกตYผม

var(β^)=(XTX)-1(XTวินิจฉัย(var(Y|X))X)(XTX)-1

ในการประมาณค่าความคลาดเคลื่อนมาตรฐานกำลังสองน้อยสุดสามัญสำหรับการประมาณค่าสัมประสิทธิ์การถดถอยความแปรปรวนแบบมีเงื่อนไขของผลลัพธ์จะถือว่าเป็นค่าคงที่และเป็นอิสระเพื่อให้สามารถประมาณได้อย่างสม่ำเสมอ

var^OLS(β^)=(XTX)-1(R2XTX)(XTX)-1

สำหรับแซนวิชเราจะหลีกเลี่ยงการประมาณค่าความแปรปรวนแบบมีเงื่อนไขและใช้การประมาณค่าความแปรปรวนของแต่ละองค์ประกอบแทนโดยใช้ปลั๊กอินที่เหลือ

var^RSE(β^)=(XTX)-1(XTวินิจฉัย(Rผม2)X)(XTX)-1

ด้วยการใช้การประมาณความแปรปรวนของปลั๊กอินเราจะได้รับการประมาณค่าความแปรปรวนของสอดคล้องกันโดยทฤษฎีบท Lyapunov Central Limitβ^

สังหรณ์ใจสิ่งที่เหลือกำลังสองที่สังเกตได้เหล่านี้จะซับข้อผิดพลาดที่ไม่สามารถอธิบายได้ใด ๆ เนื่องจากความแตกต่างแบบ heteroscedasticity


เป็นย่อหน้าสุดท้ายของคุณที่ฉันมีเวลายากที่จะเข้าใจ คุณอธิบายได้ไหม
Robert Kubrick

มันไม่ใช่ SE ในสูตรของคุณ AdamO มันคือ SE ^ 2 ... ไม่ว่าเมทริกซ์จะเป็นแบบไหนก็ตาม
StasK

@StasK จุดที่ดี บางทีหมวกแปรปรวนดีกว่า ฉันสับสนคำศัพท์หลายตัวแปรและ univariate
AdamO

1
var(Y|X)ผม

แก้ไข: ฉันบอกว่าประมาณการ OLS var เกี่ยวข้องกับ "การประมาณค่าคงที่ที่สอดคล้องกัน" เมื่อฉันหมายถึง "การประมาณการที่สอดคล้องกันของความแปรปรวนของค่าคงที่"
AdamO
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.