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.

Hogyan számítják ki a robusztus standard hibákat?

A Huber-White robusztus standard hibák egyenlőek a kovarianciamátrix átlóján lévő elemek négyzetgyökével . ahol S elemei az OLS-módszer négyzetes maradékai. Ezeket a standard hibákat heteroszkedaszticitás-konzisztens (HC) standard hibáknak nevezzük.

A Heteroskedasticity növeli 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 magasabbak a fürtözött standard hibák?

Az ilyen, paneladatokkal rendelkező DiD-példákban a klaszter-robusztus standard hibák jóval nagyobbak lehetnek, mint az alapértelmezett , mivel mind a kérdéses regresszor, mind a hibák erősen korrelálnak a fürtön belül . ... Ez a soros korreláció potenciálisan nagy különbséghez vezet a fürt robusztus és az alapértelmezett standard hibák között.

Mit csinál a Stata robusztus parancsa?

A robust egy programozói parancs, amely egy robusztus varianciabecslőt számít ki egyenletszintű pontszámok varlistája és egy kovarianciamátrix alapján .

Milyen szinten kell klaszterezni a standard hibákat?

Ehelyett megmutatjuk, hogy a kutatóknak a standard hibáikat pár szinten kell csoportosítaniuk. Szimulációkkal megmutatjuk, hogy ezek az eredmények kiterjednek olyan rétegkísérletekre is, amelyekben rétegenként kevés egység található.

Mikor ne csoportosítsa a standard hibákat?

Következtetésükben leszögezik: ha a mintavételi folyamat nincs fürtözött, és a kezelési hozzárendelés nincs fürtözve , akkor a standard hibákat még akkor sem szabad klaszterezni, ha a klaszterezés megváltoztatja a standard hibákat. A klaszterezés megközelítőleg helyes standard hibákat eredményez a következő három lehetséges esetben.

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.

A robusztus standard hibák javítják a heteroszkedaszticitást?

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 .

Mi az a robusztus szendvicsbecslő?

A Robust Sandwich Covariate Estimate, más néven Huber Sandwich Estimator és Robust Sandwich Estimator, használható egy közönséges legkisebb négyzetek (OLS) regressziójának szórásának becslésére, ha az alapul szolgáló modell hibás , például homoszkedaszticitás esetén.

Miért fontos a fürtözött standard hibák használata?

A szerzők azzal érvelnek, hogy a standard hibák klaszterezésének két oka van: a mintavételezési tervezési ok , amely abból adódik, hogy fürtözött mintavételezéssel mintavételezett egy sokaság adatait, és szeretne valamit mondani a tágabb sokaságról; és egy kísérleti tervezési ok, ahol a hozzárendelési mechanizmus néhány ...

Hogyan működnek a robusztus standard hibák?

A regressziós becslőről azt mondják, hogy robusztus , ha még mindig megbízható kiugró értékek jelenlétében . Másrészt a standard hibája robusztusnak mondható, ha még mindig megbízható, ha a regressziós hibák autokorreláltak és/vagy heteroszkedasztikusak.

Mik azok a Conley standard hibák?

Conley (1999, 2008) szabványos hibái magyarázzák az adatok térbeli korrelációját . Csakúgy, mint a klaszterezett standard hibák, úgy vélik, hogy a megfigyelések nem függetlenek egymástól a csoportokon belül, a Conley standard hibák felismerik a lehetséges függőséget a térbeli közelség alapján.

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.

Hogyan javítod a heteroszkedaszticitást?

Hogyan számítod ki a Heteroskedaszticitást?

A heteroszkedaszticitás ellenőrzéséhez speciálisan illesztett értékdiagramok alapján kell felmérnie a maradékokat . Jellemzően a heteroszkedaszticitás árulkodó mintája az, hogy az illesztett értékek növekedésével a reziduumok szórása is nő.

A robusztus standard hibák felelősek az autokorrelációért?

Az autokorrelált standard hibák azonban érvénytelenné teszik a szokásos csak homoszkedaszticitásra és heteroszkedaszticitásra robusztus standard hibákat, és félrevezető következtetéseket eredményezhetnek.

A robusztus regresszió jobb?

A robusztus regresszió alternatívát kínál a legkisebb négyzetek regressziójához, amely kevésbé korlátozó feltevések mellett működik. Pontosabban, sokkal jobb regressziós együttható becslést ad, ha az adatokban kiugró értékek vannak jelen . A kiugró értékek megsértik a normál eloszlású maradékok legkisebb négyzetes regressziójának feltételezését.