为什么


18

如果√,则参数θ的估计量序列渐近正态Unθ。(来源)然后将v称为Un的渐近方差。如果此方差等于Cramer-Rao界,则我们说估计量/序列渐近有效。n(Unθ)N(0,v)vüñ

问题:为什么使用特别是 nñ

我知道,对于样本均值,,因此该选择将其标准化。但是,由于上述定义适用于比样本均值多,为什么我们仍然选择通过规范化V一种[RX¯=σ2ññ


2
对于一个好的估计量,应该具有均值θ,参数要被估计,并且U n的方差应该收敛到0,也就是说,U n的分布应该收敛到在θ处具有单个原子的简并分布。但也有许多不同的方式,这种融合可以发生,例如ü Ñù θ - 1 / Ñ θ + 1 / Ñ ü ñÑ θUnθüñ0üñθüñüθ-1个/ñθ+1个/ñ等。我们希望渐近法线适用于后一种情况,而不适用于前一种情况。üññθv/ñ
Dilip Sarwate 2015年

1
有效的估计量是渐近正常的。en.wikipedia.org/wiki/...
Khashaa

1
将此问题更好地称为“渐近正态性”,而不是“渐近效率”?对我来说,不清楚“效率”成为问题的实质方面,而不仅仅是遇到“渐近正态性”的上下文。
银鱼

只需检查MLE渐近正态性的证明即可!平方根是一个适用于样本平均值的中心极限定理!ñ
Megadeth

Answers:


15

我们不能在这里选择。本质上,“归一化”因子是“稳定到某个有限的方差”因子,以便表达式不会随着样本量达到无穷大而变为零或无穷大,而是保持分布在极限。

因此,无论哪种情况,它都必须是必需的。当然,有趣的是,在许多情况下,它必须。(但另请参见下面的@whuber评论)。ñ

一个标准示例,其中归一化因子必须为 而不是ñ是当我们有一个模型时ñ

ÿŤ=βÿŤ-1个+üŤÿ0=0Ť=1个Ť

白噪声,我们估计未知β 通过普通最小二乘法。üŤβ

如果发生这种情况,则系数的真实值为,则OLS估计量是一致的并且收敛于通常的|β|<1个率。 ñ

但是,如果真实值是(即我们实际上是纯随机游动),则OLS估计量是一致的,但会以速率n收敛“更快” (有时称为“超一致”估计量-因为,我想有这么多估计量以速率收敛β=1个ñ)。 在这种情况下,为了得到其(非正常)渐近分布,我们比例 β -β通过Ñ(如果我们仅通过缩放ñ
β^-βñ表达式将变为零)。汉密尔顿第17章有详细信息。ñ


2
阿莱科斯·,可以澄清什么正在被评价在模型(其中,我想你指Ŷ 0 = 0和观察值下标1 2 等等)。是它的是,在模型Ŷ = β ý - 1 + Ü Ť OLS估计量β会聚在速率ÿŤ=ÿŤ-1个+üŤü0=0ÿ0=01个2ÿŤ=βÿŤ-1个+üŤβ^| β| <1但是当β=1个收敛是在速率Ñ,抑或是在模型中的情况下Ŷ=βý- 1 +ÜŤ会聚始终是在速率Ñ?简而言之,陈述“和β=1,即纯随机游动”的意义是什么?ñ|β|<1个β=1个nyt=βyt1+utnβ=1
Dilip Sarwate 2015年

@DilipSarwate谢谢。更新。我相信现在很清楚。
Alecos Papadopoulos

4
(+1)注意的选择可能是值得指导的(或n或任何适当的值)不是唯一的。代替它,你可以使用任何函数˚FÑ对于其中的极限值˚FÑ/nnf(n)等于1。只是从广义上讲,f“必须是必须的”。f(n)/nf
ub

1
@Khashaa OP询问了渐近效率,但在此过程中,发现OP对“规范化”因素可能有错误的印象。这是一个更基本的问题,因此我选择在答案中进行介绍。我对效率的回答没有什么
Alecos Papadopoulos

2
也许值得一提的是而不是√的情况n被称为“超一致”?当前,该网站的搜索功能可以使用的简历中唯一提及“超一致”的内容是Alecos!我认为让Qs和As更易于搜索是个好主意。n
银鱼

1

样本均方差直觉使您处在正确的轨道上。重新安排条件:

Un-θ N 0 v

n(Unθ)N(0,v)
UnNθv
(Unθ)N(0,v)n
UnN(θ,vn)

最后一个方程是非正式的。但是,从某种程度上来说,它更直观:您说当n增加时,θ的偏差变得更像正态分布。方差正在缩小,但形状变得更接近正态分布。Unθn

在数学上,他们没有定义收敛于变化的右侧(在变化)。这就是为什么将相同的想法表示为您给出的原始条件。其中右手侧固定,而左手侧收敛。n


您可以解释如何进行“重新安排”。就像您应用的属性一样。
mavavilj
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.