为什么我们要稳定方差？

在阅读Kaggle Essay Eval方法时，我遇到了方差稳定化转换。他们使用方差稳定化变换对kappa值进行变换，然后取平均值，然后将其变换回去。即使阅读了我无法理解的关于方差稳定化变换的Wiki，为什么我们实际上仍能稳定方差呢？我们从中获得什么好处？

这是一个答案：通常，进行统计推断的最有效方法是何时对数据进行仿制。另一种查看方式是，如果您可以在推断中添加额外的信息（即，通过方差稳定化转换来实现方差的函数形式），通常至少会渐近地提高估计的准确性。在非常小的样本中，打扰方差建模可能会增加您的小样本偏差。这是一种计量经济学的GMM类型的参数：如果添加其他矩，则渐近方差就不会增加；并且您的有限样本偏差会随着过度确定的自由度而增加。

红衣主教给出了另一个答案：如果您的渐近方差表达式中存在未知方差，则渐近分布上的收敛速度会变慢，并且您必须以某种方式估计该方差。预先透视数据或统计数据通常有助于提高渐近近似的准确性。