A heteroszkedaszticitás robusztus standard hibák?
Pontszám: 4,4/5 ( 20 szavazat )Az ezen az eljáráson alapuló standard hibákat ( heteroszkedaszticitás ) robusztus standard hibáknak vagy White-Huber standard hibáknak nevezzük. Vagy más néven szendvics varianciabecslő (a számítási képlet megjelenése miatt). ... Így a robusztus standard hibák még homoszkedaszticitás esetén is megfelelőek.
Növeli-e a heteroszkedaszticitás a standard hibákat?
A heteroszkedaszticitás nem okoz a közönséges legkisebb négyzetek együtthatós becsléseinek torzítását, bár előidézheti az együtthatók szórásának (és ezáltal a standard hibának) a közönséges legkisebb négyzetek becsléseinek torzítását, esetleg a populációs variancia valós értéke felett vagy alatt.
Miért használunk heteroszkedaszticitás robusztus standard hibákat?
Heteroszkedaszticitás-konzisztens standard hibákat használnak, hogy lehetővé tegyék egy olyan modell illesztését, amely tartalmaz heteroszkedasztikus maradékokat . Az első ilyen megközelítést Huber (1967) javasolta, és azóta továbbfejlesztett eljárásokat készítettek keresztmetszeti adatokhoz, idősoros adatokhoz és GARCH becsléshez.
Mik azok a robusztus standard hibák?
A „robusztus” standard hibák egy olyan technika, amellyel heteroszkedaszticitás esetén az OLS-együtthatók torzítatlan standard hibáit kapjuk . ... Az „erős” standard hibáknak sok címkéje van, amelyek lényegében ugyanarra utalnak. Nevezetesen a standard hibák, amelyeket a szendvics varianciabecsléssel számítanak ki.
Mikor használhatók robusztus standard hibák?
Robusztus standard hibák akkor használhatók , ha a lineáris regressziós modellben megsértik a variancia egyenletességének feltételezését, vagy más néven homoszkedaszticitást . Ez a heteroszkedaszticitásként ismert helyzet azt jelenti, hogy az eredmény varianciája nem állandó a megfigyelések között.
Robusztus standard hibák heteroszkedaszticitással
Mikor kell robusztus regressziót alkalmazni?
A robusztus regresszió a legkisebb négyzetek regressziójának alternatívája, ha az adatok kiugró értékekkel vagy befolyásoló megfigyelésekkel szennyezettek, és befolyásoló megfigyelések kimutatására is használható.
Miért probléma a heteroszkedaszticitás?
A heteroszkedaszticitás azért jelent problémát, mert a közönséges legkisebb négyzetek (OLS) regressziója azt feltételezi, hogy az összes reziduumot egy olyan populációból vonjuk le, amelynek állandó variancia (homoscedaszticitása) van . Ahhoz, hogy a regressziós feltevések teljesüljenek, és megbízhassunk az eredményekben, a reziduumoknak állandó szórással kell rendelkezniük.
Hogyan számítják ki a robusztus szórást?
A robusztus szórásbecslést úgy kapjuk meg, hogy megszorozzuk a MAD-t egy olyan tényezővel, amelynek értéke közel 1,5 . Ez B robusztus értékét ('szigmahat') adja. . Ha ezt a módszert kiugró értékek nélküli adatokon használjuk, akkor az x-hez és s-hez közeli becsléseket ad, így nem történik kár.
Hogyan számítják ki a heteroszkedaszticitást?
A heteroszkedaszticitás kimutatásának egyik informális módja egy maradék diagram létrehozása, ahol a legkisebb négyzetek maradékait ábrázoljuk a magyarázó változóval vagy ˆy-val, ha többszörös regresszióról van szó. Ha van egy nyilvánvaló minta a cselekményben, akkor heteroszkedaszticitás van jelen.
Hatékonyak a robusztus standard hibák?
Továbbá homoszkedaszticitás esetén a robusztus standard hibák továbbra is elfogulatlanok. Ezek azonban nem hatékonyak . Vagyis a hagyományos standard hibák pontosabbak, mint a robusztus standard hibák.
Hogyan javítod a heteroszkedaszticitást?
- A függő változó átalakítása. A heteroszkedaszticitás rögzítésének egyik módja a függő változó valamilyen módon történő transzformálása. ...
- Határozza meg újra a függő változót. A heteroszkedaszticitás rögzítésének másik módja a függő változó újradefiniálása. ...
- Használjon súlyozott regressziót.
Mi a heteroszkedaszticitás robusztus statisztika?
A heteroszkedaszticitás-robusztus Wald-statisztika aszimptotikus eloszlású khi-négyzetben q szabadságfokkal . ... Statisztikailag a következő két heteroszkedaszticitási tesztet használhatja annak eldöntésére, hogy kell-e robusztus standard hibákat alkalmaznia vagy sem.
Mi a különbség a heteroszkedaszticitás és a homoszkedaszticitás között?
Homoskedaszticitásról akkor beszélünk, ha egy regressziós modellben a hibatag varianciája állandó. ... Ezzel szemben heteroszkedaszticitás akkor fordul elő, ha a hibatag varianciája nem állandó .
Mit jelent a kék az OLS-ben?
A GM feltételezései szerint az OLS becslés a KÉK (a legjobb lineáris elfogulatlan becslés ). Ez azt jelenti, hogy ha a standard GM-feltevés teljesül, az összes lehetséges lineáris torzítatlan becslés közül az OLS-becslő az, amelyik minimális szórással rendelkezik, és ezért a leghatékonyabb.
Miért kisebbek a robusztus standard hibáim?
307, Ön azt írja, hogy a robusztus standard hibák „két okból kisebbek lehetnek, mint a hagyományos standard hibák: az általunk tárgyalt kis minta torzítás és a nagyobb mintavételi eltérés miatt . A harmadik ok az, hogy a heteroszkedaszticitás felfelé torzíthatja a hagyományos se.
Miért nem robusztus a szórás?
A robusztusság szemléltetésére a szórást tetszőlegesen nagyra tehetjük úgy, hogy pontosan egy megfigyelést növelünk (ennek a töréspontja 0, mivel egyetlen ponttal szennyeződhet), ez a hiba nem osztja a robusztus statisztikákat.
Robusztus a szórás?
Sem a szórás, sem a szórás nem robusztus a kiugró értékekhez . Az adattörzstől elkülönülő adatérték tetszőleges mértékben növelheti a statisztika értékét. Az átlagos abszolút eltérés (MAD) szintén érzékeny a kiugró értékekre.
Mi az a robusztus módszer?
A módszerek robusztusságának egyik legszélesebb körben használt definícióját a gyógyszerészetben az ICH adja: „Egy analitikai eljárás robusztussága annak a mértéke, hogy mennyire nem befolyásolja a módszer paramétereinek kis, de szándékos változásai, és jelzi a megbízhatóságát a folyamat során. normál használat .
Mi a lineáris regresszió négy feltevése?
- Linearitás: X és Y átlaga közötti kapcsolat lineáris.
- Homoscedaszticitás: A reziduum varianciája azonos X bármely értékénél.
- Függetlenség: A megfigyelések függetlenek egymástól.
Mi az igazi heteroszkedaszticitás?
Melyik igaz a Heteroskedaszticitásra? A nem állandó variancia jelenléte a hibatagokban heteroszkedaszticitást eredményez. Általában a nem állandó szórás a kiugró értékek vagy extrém tőkeáttételi értékek jelenléte miatt következik be. Ebben a cikkben olvashat részletesebben a regressziós elemzésről.
Milyen hatásai vannak a heteroszkedaszticitásnak?
A heteroszkedaszticitás következményei Az OLS becslések és az azokon alapuló regressziós előrejelzések továbbra is elfogulatlanok és konzisztensek . Az OLS becslések már nem a KÉK (legjobb lineáris elfogulatlan becslések), mivel már nem hatékonyak, így a regressziós előrejelzések sem lesznek hatékonyak.
Mi az a robusztus teszt a statisztikákban?
A tesztek esetében a robusztusság általában azt jelenti, hogy a teszt egy ilyen változás esetén továbbra is érvényes . Más szóval, hogy az eredmény szignifikáns-e vagy sem, csak akkor van értelme, ha teljesülnek a teszt feltevései. Ha az ilyen feltevések enyhülnek (vagyis nem olyan fontosak), a tesztet robusztusnak mondják.
Hogyan teszteli a robusztusságot?
A hibabefecskendezés egy olyan tesztelési módszer, amely a rendszerek robusztusságának ellenőrzésére használható. Hibát injektálnak a rendszerbe, és megfigyelik a rendszer rugalmasságát. A szerzők egy hatékony módszeren dolgoztak, amely segíti a hibabefecskendezést a kritikus hibák megtalálásában, amelyek meghibásodhatnak a rendszerben.