考虑一个AR()模型(为简单起见,假设均值为零):
如最近的线程所述,已知的OLS估计量(等于条件最大似然估计量是有偏差的。
(奇怪的是,我找不到汉密尔顿的《时间序列分析》或其他一些时间序列教科书中提到的偏见。但是,可以在各种讲义和学术文章中找到它,例如this。)
我无法找出AR()的确切最大似然估计是否有偏差;因此,我的第一个问题。
- 问题1:是确切的 AR(最大似然估计)模型的自回归参数偏见吗?(让我们假设AR()过程是平稳的。否则,估计量甚至是不一致的,因为它被限制在平稳区域内;请参见Hamilton的“时间序列分析”,第123页。)φ 1,... ,φ p p
也,
- 问题2:是否有任何合理简单的无偏估计量?
2
我很确定AR(p)中的ML估计量是有偏差的(平稳性边界的存在表明它将有偏差),但是我现在没有证据(大多数ML估计量在任何情况下都是有偏差的)的情况,但我们还有更多要做的事情)。[个人而言,至少在一般情况下,我并不认为无偏见是一个特别有用的属性,这就像是关于统计学家去猎鸭的老笑话。Ceteris paribus当然有总比没有好,但实际上,ceteris绝不是paribus。这是一个重要的概念。]
—
Glen_b-恢复莫妮卡2015年
在偏差可能不小的地方(如小样本),我真的倾向于寻找更像是最小均方误差的东西。关心您的估计平均而言可能是错误的,而实际上您的替代估计可能存在较大差异,那又有什么意义呢?例如,如果我对此样本大小的偏倚为0.1,这可能令人担忧地很大,所以您会说“让我们使用无偏估计量” ...但是,如果标准误差足够大,以至于我的估计值通常离正确的价格...我过得更好吗?... ctd
—
Glen_b-恢复莫妮卡
ctd。……我不这么认为(至少不是出于我的通常目的,而且我几乎从未见过在实际情况下无偏见的好理由,因为像MMSE这样的东西不会更好)。我关心的是这个估计有多错误-我可能偏离真实价值有多远-而不是如果我在这种情况下再承受一百万次,则平均变化幅度是多少。找出偏差的主要实际价值是看是否可以在不太大影响方差的情况下轻松降低偏差。
—
Glen_b-恢复莫妮卡
好的论点,谢谢。我会考虑更多。
—
理查德·哈迪