อธิบายวิธีการทั่วไปของช่วงเวลาให้กับผู้ที่ไม่ใช่นักสถิติ


11

ฉันจะอธิบายวิธีการทั่วไปในช่วงเวลาและวิธีการที่ใช้กับนักสถิติที่ไม่ใช่?

จนถึงตอนนี้ฉันจะไปด้วย: มันเป็นสิ่งที่เราใช้ในการประเมินเงื่อนไขเช่นค่าเฉลี่ยและการเปลี่ยนแปลงตามตัวอย่างที่เรารวบรวม

ฉันจะอธิบายส่วนที่คุณประเมินเวกเตอร์พารามิเตอร์โดยการลดความแปรปรวนได้อย่างไร


1
ทำไมนักสถิติที่ไม่ใช่คนจำเป็นต้องรู้เกี่ยวกับการลดความแปรปรวนให้น้อยที่สุด? บุคคลนี้เข้าใจวิธีการประมาณช่วงเวลาปกติหรือไม่ พวกเขาจะต้องทำอะไรกับความรู้ที่คุณพยายามจะบอกเล่า?
one_observation

คำตอบ:


1

ในวิธีการแบบคลาสสิกของช่วงเวลาที่คุณระบุเงื่อนไขช่วงเวลาสำหรับแต่ละพารามิเตอร์ที่คุณต้องประเมิน ชุดผลลัพธ์ที่ได้จะเป็น "สมการระบุ" GMM ตั้งเป้าหมายที่จะหาทางแก้ปัญหาแม้ว่าระบบจะไม่ได้รับการพิสูจน์ แนวคิดคือการหาวิธีแก้ปัญหาระยะทางขั้นต่ำโดยการหาการประมาณค่าพารามิเตอร์ที่ทำให้เงื่อนไขโมเมนต์ใกล้เคียงกับศูนย์มากที่สุด


5
ผู้ชมที่ไม่ได้อยู่ในสถานะทางสถิติจะออกนอกลู่นอกทางหากคุณใช้คำฟุ่มเฟือยทางเทคนิคเช่นนี้ - "โมเมนต์เงื่อนไข," "เพิ่งระบุ," ฯลฯ ยิ่งคุณทำให้คำอธิบายง่ายขึ้นเท่าไหร่พวกเขาจะย่อยมันได้ง่ายขึ้น ฉันจะเริ่มต้นด้วยการอธิบายความหมายของพารามิเตอร์ความชันในการถดถอยตัวแปรเดียวซึ่งเป็นอัตราการเปลี่ยนแปลงจากนั้นแนะนำว่าผู้ชมจะพูดคุยกับแบบจำลองหลายตัวแปร สิ่งนี้ทำให้ทุกอย่างอยู่ในจินตนาการของพวกเขาโดยที่คุณไม่ได้ติดใจในรายละเอียดที่สามารถแยกแยะสิ่งที่คุณพยายามสื่อสารได้อย่างสมบูรณ์
Mike Hunter

1

มีหลายวิธีในการประมาณค่าพารามิเตอร์ของแบบจำลอง นี่เป็นส่วนสำคัญของสถิติ / เศรษฐมิติ GMM (วิธีทั่วไปของช่วงเวลา) เป็นหนึ่งในวิธีดังกล่าวและมีความแข็งแกร่ง (สถิติและตัวอักษร [สำหรับผู้ชมที่ไม่ใช่สถิติ]) มากกว่าวิธีอื่น ๆ

มันควรจะเป็นสัญชาตญาณว่ากระบวนการประมาณนั้นเกี่ยวข้องกับโมเดลของคุณที่เหมาะสมกับข้อมูลอย่างไร GMM ใช้เงื่อนไขมากกว่ารุ่นปกติในขณะที่ทำเช่นนี้

(คุณพูดถึงค่าเฉลี่ยและความแปรปรวนฉันถือว่าเป็นความคิดที่คุ้นเคย) ค่าเฉลี่ยและความแปรปรวนเป็นตัวชี้วัดพื้นฐานของข้อมูล บุคคลจำลองข้อมูลเพื่อทำความเข้าใจว่าเป็นธรรมชาติ สมบูรณ์แบบ (สมมุติฐาน) จะอธิบายข้อมูลผ่านและผ่าน

ให้เรายกตัวอย่างของแบบจำลองความสูงของทุกคนในอาคาร มีค่าเฉลี่ยสองตัวชี้วัดและความแปรปรวน ค่าเฉลี่ยคือตัวชี้วัดระดับแรกความแปรปรวนเป็นตัวชี้วัดระดับที่สอง ค่าเฉลี่ยกำลังเพิ่มความสูงทั้งหมดและหารด้วยจำนวนคน มันบอกคุณบางอย่างเช่น 11 ฟุตไร้สาระ 5 ฟุตสมเหตุสมผล

ตอนนี้พิจารณาความแปรปรวนมันจะบอกชั้นของข้อมูลเพิ่มเติม: 6 ฟุตไม่ไร้สาระ (ตามค่าเฉลี่ย) แต่ความเป็นไปได้ที่ความสูงของบุคคลจะสูงถึง 6 ฟุต ถ้าอาคารเป็นตึกมัธยมมันมีโอกาสน้อยกว่าไหม หากเป็นอาคารสำนักงานมีโอกาสมากขึ้น

นี่เป็นตัวอย่างของสิ่งที่เรียกว่าช่วงเวลาของข้อมูล (หลังจากอธิบายค่าเฉลี่ยและความแปรปรวนแล้วควรจะสบายไหม) แบบจำลองหนึ่งควรทำได้ดีหากมันสอดคล้องกับเงื่อนไขของค่าเฉลี่ยและความแปรปรวนที่สังเกตได้ นอกเหนือจากค่าเฉลี่ยและความแปรปรวนมีตัวชี้วัดอื่น ๆ อีกหลายตัว

GMM เหมาะกับโมเดลสำหรับตัวชี้วัดที่สูงขึ้นเหล่านี้ (ช่วงเวลา) วิธีที่ง่ายกว่ารองรับการวัดขนาดเล็ก ชื่อตามที่แนะนำนั้นเป็นวิธีการทั่วไป - พยายามที่จะเป็นทั่วไปที่สุด

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