আপনাকে যা না OLS ঔজ্জ্বল্যের প্রেক্ষাপটে মূল্নির্ধারক এর দৃঢ়তা জন্য 4 র্থ মুহুর্তগুলিতে অনুমানের প্রয়োজন, কিন্তু আপনার উচ্চতর মুহুর্তগুলিতে প্রয়োজন অনুমানের না এবং মধ্যে asymptotic স্বাভাবিক জন্য এবং ধারাবাহিকভাবে অনুমান কি মধ্যে asymptotic সহভেদাংক ম্যাট্রিক্স হয়।xϵ
যদিও কিছু দিক থেকে এটি একটি গাণিতিক, প্রযুক্তিগত বিন্দু, ব্যবহারিক বিষয় নয়। সীমাবদ্ধ নমুনাগুলিতে কিছুটা ক্ষেত্রে ওএলএসকে ভালভাবে কাজ করার জন্য হিসাবে অ্যাসিপটোটিক ধারাবাহিকতা বা স্বাভাবিকতা অর্জনের জন্য প্রয়োজনীয় ন্যূনতম অনুমানের চেয়ে বেশি প্রয়োজন ।n→∞
ধারাবাহিকতার জন্য পর্যাপ্ত শর্তাদি:
আপনার যদি রিগ্রেশন সমীকরণ থাকে:
yi=x′iβ+ϵi
ওএলএসের অনুমানকারী as as এইভাবে লেখা যেতে পারে:
b^
b^=β+(X′Xn)−1(X′ϵn)
জন্য দৃঢ়তা , আপনি বৃহৎ সংখ্যক এর Kolmogorov এর আইন প্রয়োগ বা সিরিয়াল নির্ভরতা, কিছু Karlín এবং টেলর এর Ergodic উপপাদ্য মত যাতে সঙ্গে সময়-সিরিজ ক্ষেত্রে, পাবে প্রয়োজন:
1nX′X→pE[xix′i]1nX′ϵ→pE[x′iϵi]
প্রয়োজনীয় অন্যান্য অনুমানগুলি হ'ল:
- E[xix′i] সম্পূর্ণ পদমর্যাদার এবং সুতরাং ম্যাট্রিক্সটি অবিচ্ছিন্ন।
- Regressors পূর্ব নির্ধারিত হয় বা কঠোরভাবে exogenous যাতে ।E[xiϵi]=0
তারপরে এবং আপনি(X′Xn)−1(X′ϵn)→p0b^→pβ
আপনি কেন্দ্রীয় সীমা উপপাদ্য প্রয়োগ করতে চান তাহলে তারপর আপনি উচ্চতর মুহুর্তগুলিতে অনুমানের প্রয়োজন, উদাহরণস্বরূপ, যেখানে । কেন্দ্রীয় সীমাবদ্ধ উপপাদ্য হ'ল as এর অ্যাসিম্পটিক স্বাভাবিকতা দেয় এবং আপনাকে স্ট্যান্ডার্ড ত্রুটি সম্পর্কে কথা বলতে দেয়। দ্বিতীয় মুহুর্তের জন্য উপস্থিত থাকার জন্য আপনার চতুর্থ মুহূর্তের এবং অস্তিত্ব থাকতে হবে। আপনি যুক্তি দিতে চান যে যেখানেE[gig′i]gi=xiϵib^E[gig′i]xϵn−−√(1n∑ix′iϵi)→dN(0,Σ)Σ=E[xix′iϵ2i] । এটি কাজ করার জন্য, সীমাবদ্ধ হতে হবে।Σ
হায়াসির একনোমেট্রিক্সে একটি দুর্দান্ত আলোচনা (যা এই পোস্টকে অনুপ্রাণিত করেছিল) দেওয়া হয়েছে । (চতুর্থ মুহূর্তের জন্য এবং সমবায়ু ম্যাট্রিক্সের অনুমানের জন্য পৃষ্ঠা 149 দেখুন See)
আলোচনা:
চতুর্থ মুহুর্তে এই প্রয়োজনীয়তাগুলি সম্ভবত ব্যবহারিক বিন্দুর চেয়ে প্রযুক্তিগত বিন্দু। আপনি সম্ভবত প্যাথলজিকাল বিতরণগুলির মুখোমুখি হচ্ছেন না যেখানে প্রতিদিনের ডেটাতে এটি সমস্যা? ওএলএস-এর আরও সাধারণ বা অন্যান্য অনুমানগুলি অবাক হওয়ার জন্য।
স্ট্যাকেক্সচেঞ্জে নিঃসন্দেহে অন্য কোথাও উত্তর দেওয়া একটি আলাদা প্রশ্ন, অ্যাসিপটোটিক ফলাফলের কাছাকাছি যেতে সীমাবদ্ধ নমুনার জন্য আপনার কতটা বড় নমুনা দরকার is কিছু ধারণা আছে যাতে চমত্কার আউটলিয়াররা ধীরে ধীরে একত্রিত হওয়ার দিকে পরিচালিত করে। উদাহরণস্বরূপ, সত্যিই উচ্চ বৈকল্পিকের সাথে লগনরমাল বিতরণের গড়ের অনুমান করার চেষ্টা করুন। নমুনাটির গড় অর্থ জনসংখ্যার একটি সামঞ্জস্যপূর্ণ, নিরপেক্ষ অনুমানক, তবে লগ-স্বাভাবিক ক্ষেত্রে পাগল অতিরিক্ত কুরটোসিস ইত্যাদি ... (লিঙ্কটি অনুসরণ করুন), সীমাবদ্ধ নমুনার ফলাফলগুলি সত্যই বন্ধ off
স্নাতক বনাম অসীম গণিতের একটি অত্যন্ত গুরুত্বপূর্ণ পার্থক্য। প্রতিদিনের পরিসংখ্যানগুলিতে আপনি যে সমস্যার মুখোমুখি হন তা নয়। ব্যবহারিক সমস্যাগুলি ছোট বনাম বড় বিভাগে বেশি। বৈকল্পিকতা, কুর্তোসিস ইত্যাদি কি এতটা ছোট যে আমি আমার নমুনার আকারের ভিত্তিতে যুক্তিসঙ্গত অনুমানগুলি অর্জন করতে পারি?
প্যাথলজিকাল উদাহরণ যেখানে ওএলএসের অনুমানকারী সামঞ্জস্যপূর্ণ তবে অ্যাসিপোটোটিকভাবে স্বাভাবিক নয়
বিবেচনা:
yi=bxi+ϵi
যেখানে তবে টি-ডিস্ট্রিবিউশন থেকে 2 ডিগ্রি স্বাধীনতার সাথে আঁকা is । OLS ঔজ্জ্বল্যের প্রেক্ষাপটে করার সম্ভাবনা মধ্যে এগোয় অনুমান কিন্তু OLS ঔজ্জ্বল্যের প্রেক্ষাপটে জন্য নমুনা বন্টন অনুমান স্বাভাবিকভাবে বিতরণ করা হয় না। নীচে for এর 10000 টি পর্যবেক্ষণ সহ একটি রিগ্রেশন 10000 অনুকরণের উপর ভিত্তি করে distribution
xi∼N(0,1)ϵiVar(ϵi)=∞bb^b^
of এর বিতরণ স্বাভাবিক নয়, লেজগুলি খুব ভারী। তবে আপনি যদি স্বাধীনতার ডিগ্রি 3 তে বাড়িয়ে দেন যাতে moment এর দ্বিতীয় মুহূর্তটি বিদ্যমান থাকে তবে কেন্দ্রীয় সীমাটি প্রযোজ্য এবং আপনি পান:
b^ϵi
এটি উত্পন্ন করার কোড:
beta = [-4; 3.7];
n = 1e5;
n_sim = 10000;
for s=1:n_sim
X = [ones(n, 1), randn(n, 1)];
u = trnd(2,n,1) / 100;
y = X * beta + u;
b(:,s) = X \ y;
end
b = b';
qqplot(b(:,2));