"দীর্ঘমেয়াদী" এবং "দীর্ঘায়ুতা" অর্থ কী বোঝায়?

43

আমি বুঝতে পারি যে এন্ডোজেনটির প্রাথমিক সংজ্ঞাটি সন্তুষ্ট নয়, তবে এটি সত্যিকারের বিশ্ব অর্থে কী বোঝায়? আমি সরবরাহ এবং চাহিদার উদাহরণ সহ উইকিপিডিয়া নিবন্ধটি পড়লাম, এটি অনুধাবন করার চেষ্টা করেছিলাম, তবে এটি সত্যিকার অর্থে সাহায্য করেনি। আমি সিস্টেমের মধ্যে থাকা এবং সিস্টেমের বাইরে থাকা হিসাবে অন্তঃসত্ত্বা এবং বহিরাগতের অন্যান্য বর্ণনা শুনেছি এবং এটি এখনও আমার কাছে বোধগম্য নয়।

X^{'} ϵ = 0

$X'\epsilon=0$

regression causality instrumental-variables

— user25901
সূত্র

1

নীচের উত্তরগুলির তিনটিই খুব ভাল (প্রত্যেকটির কাছে +1)। আপনি যদি অন্য একটি তথ্যের উত্স চান তবে আমি এই বিষয়টি এখানে আলোচনা করব: পরিবর্তে অনুমান করা

b_{1} x_{1} + b_{2} x_{2}

$b_1x_1+b_2x_2$

b_{1} x_{1} + b_{2} x_{2} + b_{3} x_{3}

$b_1x_1+b_2x_2+b_3x_3$ এবং এটি / সিমুলেশন চিত্রিত করুন R।

— গুং - মনিকা পুনরায়

1

আপনি যখন দীর্ঘায়ুতা লাভ করেন তখন আপনার প্রতিরোধের আর ব্যবহারের যোগ্য অনুমানক বা পরীক্ষার পরিসংখ্যান থাকে না।

— ইভান

1

আমি @ গুং এর সাথে একমত, এবং জোর দিয়ে বলতে চাই যে একটি সম্পূর্ণ উত্তর " কী উদ্দেশ্যে ব্যবহারযোগ্য "? উপরের উত্তরগুলির মধ্যে অনেকগুলি এই প্রশ্নটি খুব ভালভাবে মোকাবেলা করে।

— ম্যাথু ড্রুরি

@ ম্যাথেজ আমার কাছে মনে হচ্ছে এই পোস্টটি "সত্যিকারের বিশ্ব অর্থে এর অর্থ কী?" এই প্রশ্নের উত্তর দেওয়ার চেষ্টা করে? ব্যাখ্যাটি ছড়িয়ে পড়ে দেখে ভাল লাগবে যাতে লোকেরা আরও ভাল করে প্রশংসা করতে পারে।

— whuber

@ আমি জানি না, এটি এত ছোট যে আমি সত্যিই বলতে পারি না। তবে আমি ভাবছিলাম, উদাহরণস্বরূপ, অনুমিত মডেলটি আপনার প্রসন্নতা সত্ত্বেও পূর্বাভাসের জন্য (বা কেবল সংঘবদ্ধতা) কার্যকর হতে পারে, সুতরাং "আর ব্যবহারযোগ্য অনুমানকারী নেই" স্পষ্টতা ব্যতীত মিথ্যা বলে মনে হয় না।

— ম্যাথু ড্র্যারি

69

জনরোসের উত্তর খুব ভাল। সাধারণ ইংরেজী ভাষায়, দীর্ঘস্থায়ী হওয়ার অর্থ আপনার কার্যকারিতা ভুল হয়েছে। আপনি যে মডেলটি লিখেছেন এবং অনুমান করেছিলেন তা বাস্তব বিশ্বে কার্যকারিতাটি যেভাবে কাজ করে তা সঠিকভাবে ক্যাপচার করে না। আপনি যখন লিখবেন:

Y_{i} = β_{0} + β_{1} X_{i} + ϵ_{i}

$\begin{equation} Y_i=\beta_0+\beta_1X_i+\epsilon_i \end{equation}$

আপনি এই সমীকরণটি বিভিন্ন উপায়ে ভাবতে পারেন। আপনি এটি এর মানগুলির উপর ভিত্তি করে পূর্বাভাস দেওয়ার একটি সুবিধাজনক উপায় হিসাবে ভাবতে পারেন । আপনি মডেলিং একটি সুবিধাজনক উপায় হিসেবে এটা মনে হতে পারে । এই উভয় ক্ষেত্রেই প্রসূতি হিসাবে কোনও জিনিস নেই এবং আপনার এটি নিয়ে চিন্তা করার দরকার নেই। $Y$ $X$ $E\{Y|X\}$

যাইহোক, আপনি সমীকরণটিকে মূর্তকরণমূলক কারণ হিসাবেও ভাবতে পারেন। আপনি এই প্রশ্নের উত্তর হিসাবে ভাবতে পারেন : " যদি আমি এই সিস্টেমে পৌঁছে যাই এবং পরীক্ষামূলকভাবে দ্বারা 1 বৃদ্ধি করে তবে কী হবে ?" আপনি যদি সেভাবে এটি নিয়ে ভাবতে চান তবে এটির অনুমানের জন্য ওএলএস ব্যবহার করে এটি ধরে নেওয়া যায়: $\beta_1$ $Y$ $X$

$X$ কারণে $Y$
$\epsilon$ কারণে $Y$
$\epsilon$ কারণে হয় না $X$
$Y$ হয় না $X$
কোনও কিছুই যার ফলে causes কারণ হয় না $\epsilon$ $X$

3-5 এর যে কোনও একটিতে ব্যর্থতা সাধারণত , বা, পুরোপুরি সমান নয়, । ইন্সট্রুমেন্টাল ভেরিয়েবলগুলি আপনাকে কার্যকারিতাটি ভুল হয়ে গেছে (অন্য, ভিন্ন, কার্যকারণ অনুমান করে) সংশোধন করার একটি উপায়। একটি নিখুঁতভাবে পরিচালিত এলোমেলোভাবে নিয়ন্ত্রিত পরীক্ষাটি 3-5 কে সত্য হতে বাধ্য করার একটি উপায় । আপনি যদি এলোমেলোভাবে বাছাই করেন , তবে এটি অবশ্যই , বা অন্য কোনও কারণে সৃষ্ট নয়। তথাকথিত "প্রাকৃতিক পরীক্ষা" পদ্ধতিগুলি এমন বিশ্বে বিশেষ পরিস্থিতি সন্ধানের চেষ্টা যেখানে আমরা 3-5 সাধারণত সত্য বলে মনে করি না তখনও 3-5 সত্য হয়। $E\{\epsilon|X\}\ne0$ ${\rm Cov}(X,\epsilon)\ne0$ $X$ $Y$ $\epsilon$

জনরোসের উদাহরণে, শিক্ষার মজুরির মূল্য গণনা করতে আপনার এর কার্যকারিতা ব্যাখ্যা দরকার , তবে 3 বা 5 টি মিথ্যা বলে বিশ্বাস করার যথেষ্ট কারণ রয়েছে। $\beta_1$

যদিও আপনার বিভ্রান্তি বোধগম্য। "এটি সবই কেবল পরিসংখ্যান" বলে ভান করে এর কার্যকারণীয় ব্যাখ্যাটি ব্যবহার করার জন্য প্রশিক্ষকের জন্য লিনিয়ার মডেলের পাঠ্যক্রমগুলিতে খুব সাধারণ । এটি একটি কাপুরুষোচিত মিথ্যা, তবে এটি খুব সাধারণ বিষয়। $\beta_1$

বাস্তবে, এটি বায়োমেডিসিন এবং সামাজিক বিজ্ঞানের একটি বৃহত্তর ঘটনার অংশ। এটি প্রায় সর্বদা ক্ষেত্রে যেটি আমরা উপর এর কার্যকারণ প্রভাব নির্ধারণ করার চেষ্টা করছি --- বিজ্ঞানের সবকিছুর পরে এটিই রয়েছে। অন্যদিকে, এটি প্রায় সর্বদা ক্ষেত্রেও এমন কিছু গল্প রয়েছে যা আপনি সিদ্ধান্তে পৌঁছাতে পারেন যে 3-5 এর মধ্যে একটি মিথ্যা। সুতরাং, এখানে একধরণের অনুশীলনযুক্ত, তরল, অসতর্কতাবাদী অসতর্কতা রয়েছে যা আমরা এই বলে আপত্তিগুলি সরিয়ে দিয়েছি যে আমরা কেবল সহযোগী কাজ করছি এবং তারপরে কার্যকারণীয় ব্যাখ্যাটি অন্য কোথাও ছুঁড়ে ফেলা (সাধারণত কাগজের ভূমিকা এবং উপসংহার বিভাগে)। $X$ $Y$

আপনি যদি সত্যিই আগ্রহী হন তবে পড়ার লোকটি হল জুডিয়া পার্ল। জেমস হেকম্যানও ভালো আছেন।

— বিল
সূত্র

5

+1 দুর্দান্ত ব্যাখ্যা এবং ভাষ্য। আমাদের সাইটে আপনাকে স্বাগতম !.

— হোবার

2

এই বিষয়টির উপর একটি মৌলিক এবং দৃ understanding় বোঝার জন্য আপনি হেকম্যানের দ্বারা কোন কাজটি সুপারিশ করবেন তা আপনি বর্ণনা করতে পারেন?

— কেনে এলজে

আমার একটি প্রশ্ন আছে:

কিনা তা যাচাই করবেন

বা

সত্য "আপনার হাতে থাকা আপনার ডেটা ব্যবহার (আপনার ডোমেন জ্ঞানের চেয়ে) যা পরীক্ষা থেকে আসে না, অর্থাৎ পর্যবেক্ষণের ডেটা সেট" থেকে আসে না? আমি অনুভব করি যে

পরীক্ষা করার কোনও উপায় নেই

বা

কেবলমাত্র ডেটা ব্যবহার করুন, যেহেতু

পর্যবেক্ষণযোগ্য নয়, তাহলে কি সত্য যে তথ্য ব্যবহার করে দীর্ঘায়ু পরীক্ষা করা যায় না?

E [ϵ | X] = 0

$E[\epsilon|X]=0$

E [ϵ X] = 0

$E[\epsilon X]=0$

E [ϵ | X] = 0

$E[\epsilon|X]=0$

E [ϵ X] = 0

$E[\epsilon X]=0$

ϵ

$\epsilon$

— কেভিনকিম

1

@ কেভিনকিম হ্যাঁ

পরিসংখ্যান ব্যবহার করে পরীক্ষাযোগ্য নয়।

অনুমান করে এবং তারপরে অবশিষ্টাংশ তৈরি করে পুনরুদ্ধার / অনুমান করা যায় না। পুনরুদ্ধারটি কেবলমাত্র অনুমানের পরে করা যায়। যদি অনুমানটি সঠিকভাবে করা হয় তবে পুনরুদ্ধারটি সঠিক।

যদি অনুমানটি সঠিকভাবে করা হয়

। সুতরাং, বিজ্ঞপ্তি। তথ্য

অবশ্যই তাত্পর্যপূর্ণ, অ-পরিসংখ্যানগত জ্ঞান থেকে আসতে হবে। এর উদাহরণ হ'ল

E {ϵ | X} = 0

$E\{\epsilon|X\}=0$

ϵ

$\epsilon$

E {ϵ | X} = 0

$E\{\epsilon|X\}=0$

E {ϵ | X} = 0

$E\{\epsilon|X\}=0$

যেখানে

হ'ল ওএলএস অবশিষ্টাংশ। এই কিনা নির্বিশেষে সত্য

।

C o v {X, e} = 0

$Cov\{X,e\}=0$

e

$e$

E {ϵ | X} = 0

$E\{\epsilon|X\}=0$

— বিল

2

@ কেভিনকিম ঠিক আছে এবং এটি কেবল লিনিয়ার মডেল নয়। এটা সব পরিসংখ্যান। খেয়াল করুন, যখন কেউ "পরস্পর সম্পর্ককে কারণ নয়" বলছেন তারা কখনই নয়, আপনাকে কখন কারণ বলে তা বলে যান । কারণ কারণ তত্ত্ব এবং শুধুমাত্র তত্ত্ব হতে পারে। এমনকি একটি (নিখুঁতভাবে --- এবং এভাবে --- পরিচালিত হয় না) আরসিটি তত্ত্ব ছাড়াই আপনাকে কার্যকারিতা বলে না।

— বিল

18

আমাকে একটি উদাহরণ ব্যবহার করুন:

বলুন আপনি আয়ের উপর শিক্ষার (কার্যকরী) প্রভাবটি মাপাতে চান। আপনি শিক্ষার বছর এবং আয়ের ডেটা নেন এবং একে অপরের বিরুদ্ধে প্রতিরোধ করেন। আপনি যা চেয়েছিলেন তা কি পুনরুদ্ধার করলেন? সম্ভবত না! এর কারণ, আয়টি পড়াশোনা বাদে অন্য কিছু দ্বারা ঘটে থাকে, তবে যা শিক্ষার সাথে সম্পর্কিত। আসুন তাদের "দক্ষতা" বলুন: আমরা নিরাপদে ধরে নিতে পারি যে শিক্ষাবর্ষগুলি "দক্ষতা" দ্বারা প্রভাবিত হয়, আপনি যত বেশি দক্ষ, তত বেশি সহজতর শিক্ষা অর্জন করা সহজ। সুতরাং, যদি আপনি শিক্ষার বছরগুলিকে আয়ের ভিত্তিতে পুনরায় জমা দেন, শিক্ষার প্রভাবের জন্য অনুমানকারী "দক্ষতা" এর প্রভাবটি শোষণ করে এবং আপনি শিক্ষায় ফিরে আসার একটি অত্যধিক আশাবাদী অনুমান পান। এটি বলার অপেক্ষা রাখে না, আয়ের উপর শিক্ষার প্রভাবটি (উর্ধ্বমুখী) পক্ষপাতদুষ্ট কারণ শিক্ষাই আয়ের ক্ষেত্রে বহিরাগত নয়।

এন্ডোজেনিটি কেবল তখনই সমস্যা হয় যদি আপনি কার্যকারিতাগুলি পুনরুদ্ধার করতে চান (নিছক পারস্পরিক সম্পর্কগুলির তুলনায়)। এছাড়াও- আপনি যদি কোনও পরীক্ষা ডিজাইন করতে পারেন তবে আপনি গ্যারান্টি দিতে পারবেন যে এলোমেলো অ্যাসাইনমেন্টের মাধ্যমে। দুঃখের বিষয়, সামাজিক বিজ্ঞানে এটি সাধারণত অসম্ভব। ${\rm Cov}(X,\epsilon)=0$

— JohnRos
সূত্র

1

উদাহরণ এবং ব্যাখ্যা জন্য ধন্যবাদ। স্পষ্ট ইংরেজিতে অন্তঃসত্ত্বা এবং বহিরাগততা বলতে কী বোঝায় সে সম্পর্কে আমি এখনও কিছুটা নিখুঁত। আমি যখন বলি যে একটি পরিবর্তনশীল অন্তঃসত্ত্বা বা সেই বিষয়ে বহিরাগত exactly

— ব্যবহারকারী 25901

@ জনরোস আপনি লিখেছেন "অন্তঃসত্ত্বা কেবল তখনই সমস্যা হয় যদি আপনি কার্যকারণের প্রভাবগুলি পুনরুদ্ধার করতে চান" তবে মনে হয় আমার পক্ষে এটিও বলা সম্ভব যে: "বহিরাগততা বোঝায় কার্যকারিতা" ... আমি কখনও এই শব্দবন্ধটি পড়ি না ... তবে এটি ঠিক? যদি এটি সঠিক হয় তবে আমার কাছে মনে হয় যে অনেকগুলি পাঠ্যপুস্তক, কখনও কখনও অন্তর্নিহিতভাবে, সাধারণ লক্ষ্য হিসাবে কার্যকারণের অনুক্রমকে মনে হয়।

— মার্কোইটজ

@ মার্কাভিটজ: আপনি যখনই রিগ্রেশন কোফিয়েনটিয়েন্টগুলি অনুমান করছেন, তখন বোঝা যাচ্ছে আপনি কার্যকারিতা চান। আপনি যদি কেবল ভবিষ্যদ্বাণী চান তবে ভবিষ্যদ্বাণীগুলি ভাল হয় এমনটি সহগের গুণাগুণগুলির মানটি আসলেই কিছু যায় আসে না। এটা সত্য যে শাস্ত্রীয় পাঠ্যপুস্তকগুলি এই পার্থক্য তৈরি করে না কারণ পূর্বাভাস দেওয়ার আগে "বেসিক বিজ্ঞান" নয় বরং আরও "ইঞ্জিনিয়ারিং" (এবং এই ক্রুড

— জেনারালাইজেশনের

ধন্যবাদ জনরোস, আমাকে সম্পর্কিত বিষয় সম্পর্কে আরও একটি প্রশ্ন জিজ্ঞাসা করুন। গুণাগুণগুলির পক্ষপাতদুষ্ট অনুমানের সমস্যাটি কেবল কার্যকারিতা রিগ্রেশন মডেলটিতেই বোঝা যায় যখন ভবিষ্যদ্বাণী করা লক্ষ্যগুলি অবশ্যই থাকে না। এটা ঠিক? আমি এটি জিজ্ঞাসা করছি কারণ এই স্থানটি কোনও জায়গায় পরিষ্কার নয়।

— মার্কোইটজ

8

ব্যবহারকারী 25901 একটি সোজা-এগিয়ে সরল, বাস্তব-জগতের ব্যাখ্যা খুঁজছেন যা বহিরাগত এবং অন্তঃসত্ত্বা পদগুলির অর্থ। আরকেইনের উদাহরণ বা গাণিতিক সংজ্ঞা দিয়ে প্রতিক্রিয়া জানানো আসলেই যে প্রশ্নটি করা হয়েছিল তার উত্তর দেয় না।

এই দুটি পদ সম্পর্কে আমি কীভাবে বুঝতে পারি?

আমি এখানে যা এলাম তা এখানে:

এক্সো - বাহ্যিক, এন্ডোর বাইরে - অভ্যন্তরীণ, অভ্যন্তরীণ - উত্পন্ন

এক্সোজিনিয়াস: কোনও পরিবর্তনশীল কোনও মডেলের বহিরাগত হয় যদি এটি মডেলের অন্যান্য পরামিতি এবং ভেরিয়েবলগুলি দ্বারা নির্ধারিত না হয় তবে বাহ্যিকভাবে সেট করা হয় এবং এতে কোনও পরিবর্তন বাহ্যিক শক্তি থেকে আসে।

অন্তঃসত্ত্বা: কোনও ভেরিয়েবলটি কোনও মডেলের অন্তত আংশিকভাবে অন্য পরামিতি এবং কোনও মডেলের ভেরিয়েবলগুলির কার্যকারিতা হয় এমন কোনও মডেলটিতে অন্তঃসত্ত্বা হয়।

— bearvarine
সূত্র

7

এগুলি যুক্তিসঙ্গত স্বজ্ঞাত সংজ্ঞা, তবে অন্যান্য উত্তরগুলি এতটা খারিজ হওয়ার দরকার নেই।

— গুং - মনিকা পুনরায়

3

ব্যুত্পত্তি মর্মস্পর্শী জন্য এক দরকারী হ্যান্ডলগুলি দিতে পারে মনে পরিভাষা বলতে চাচ্ছি তা (এটা আমার জন্য ভাল কাজ করে), কিন্তু ব্যুত্পত্তি ব্যবহার ন্যায্যতা প্রতিপাদন করা তাদের এড়িয়ে চলা হয়। বেশ কয়েকটি পদ (পরিসংখ্যান এবং অন্য কোথাও) কেবল তাদের গাণিতিক সংজ্ঞা সতর্কতার সাথে অধ্যয়ন করার মাধ্যমে সঠিকভাবে বোঝা যায়। এই উত্তরটি বোঝার জন্য "বাহ্যিকভাবে নির্ধারিত," "" দ্বারা নির্ধারিত, "" "" বাহ্যিক বাহিনী, "এবং" আংশিক [একটি] ফাংশন "" এর মতো শব্দ এবং বাক্যাংশের ব্যবহারের স্পষ্ট ধারণাটি প্রয়োজন, যার কোনটিই সঙ্গে সঙ্গে নয় আপাত বা দ্ব্যর্থহীন।

— whuber

6

$X'\epsilon=0$ $X'\hat\epsilon=0$

$Y=\alpha +\beta X + \gamma Z + {\rm noise}$ $Z$ $X$ $X'{\rm noise} \neq 0$ $Z$ $X$ $\log(e^x)=x$ । এটি কেবল একটি গাণিতিক সত্য। এটি বাদ দেওয়া পরিবর্তনশীল পক্ষপাতিত্ব।

$I$ $Y$ $X$ $I$ $X$ $X$ $Y$

এটি দুটি পর্যায়ে সর্বনিম্ন স্কোয়ার, যা প্রায় IV এর সমান।

— generic_user
সূত্র

আমি যেমন বুঝতে পেরেছি IV করার এক উপায় 2SLS নয়, আমি ভুল হয়ে থাকলে ক্ষমা চাই।

— ব্যবহারকারী 25901

2 এসএলএস স্ট্যান্ডার্ড ত্রুটিগুলি ভুল। আমি ভুলে গেছি কেন বা কীভাবে, তবে আপনি "আইভি 2 এসএলএস স্ট্যান্ডার্ড ত্রুটিগুলি" গুগল করলে আপনি সম্ভবত কিছু খুঁজে পাবেন। বেশিরভাগ সফ্টওয়্যার প্যাকেজগুলি 2 টি এসএসএল সমাধান করে (টি (জেড)% *% (এক্স)% *% টি (জেড)% *% y পদ্ধতি

— জেনেরিক_উসার

1

\hat{X}

$\hat{X}$

X

$X$

ধন্যবাদ। আমি যখন এটি লিখেছিলাম তখন আমি প্রয়োগকৃত একনোমেট্রিক্স থেকে সতেজ ছিলাম।

— জেনেরিক_উজার

-1

রিগ্রেশনে আমরা একটি চিহ্নিত নির্ভরশীল ভেরিয়েবলের একটি স্বতন্ত্র ভেরিয়েবলের পরিমাণগত প্রভাব (যা আমরা ধরে নিই যে বহিরাগত এবং নিজেকে অন্য কোনও কিছুর উপর নির্ভরশীল নয়) ক্যাপচার করতে চাই। আমরা জানতে চাই যে একটি বহিরাগত ভেরিয়েবলের নির্ভরশীল ভেরিয়েবলের নেট প্রভাব কী - যার অর্থ স্বাধীন ভেরিয়েবলটি অন্য পরিবর্তনশীল থেকে কোনও প্রভাব মুক্ত থাকতে হবে। অন্তঃসত্ত্বাজনিত সমস্যায় রিগ্রেশনটি ভুগছে কিনা তা দেখার একটি দ্রুত উপায় হ'ল স্বাধীন ভেরিয়েবল এবং অবশিষ্টাংশের মধ্যে পারস্পরিক সম্পর্ক পরীক্ষা করা। তবে এটি একটি মোটামুটি চেক অন্যথায় দীর্ঘস্থায়ীতার আনুষ্ঠানিক পরীক্ষা নেওয়া দরকার।

— আমন মাগোয়েরো
সূত্র

3

এটা সত্য নয়। একটি রিগ্রেশন থেকে অবশিষ্টাংশ এবং ব্যাখ্যামূলক পরিবর্তনশীলগুলির মধ্যে পারস্পরিক সম্পর্কটি নির্মাণের দ্বারা শূন্য। এটি সহবাসের জন্য পরীক্ষা নয়।

— অ্যান্ডি

E [ϵ X] = 0

$E[\epsilon X]=0$

ϵ

$\epsilon$

y = b_{0} + b_{1} x + ϵ

$y=b_0+b_1x+\epsilon$

ϵ

$\epsilon$

E [{\hat{e}}_{i} | x] = 0

$E[\hat{e}_i|x]=0$

{\hat{e}}_{i}

$\hat{e}_i$

E [{\hat{e}}_{i} | x] = 0

$E[\hat{e}_i|x]=0$

{\hat{b}}_{0} + {\hat{b}}_{1} x

$\hat{b}_0+\hat{b}_1x$