拟合“简单”测量误差模型的方法


13

我正在寻找可用于估计“ OLS”测量误差模型的方法。

X = X + ë X ÿ = α + β X

yi=Yi+ey,i
xi=Xi+ex,i
Yi=α+βXi

其中的误差是独立的正常与未知方差σ 2 X。在这种情况下,“标准” OLS无效。σy2σx2

维基百科有一定的吸引力的解决方案-这两个给力您认为无论是“变化率” 或“可靠性比”λ=σ 2 Xδ=σy2σx2是已知的,其中σ 2 X是真回归的方差X。我对此不满意,因为不知道方差的人怎么知道其比率?λ=σX2σx2+σX2σX2Xi

无论如何,除了这两个以外,还有其他解决方案不需要我“了解”参数的任何信息吗?

仅截距和斜率的解决方案就可以了。


Wikipedia文章本身为您提供了该问题的答案。如果假设“真实”回归变量是正态的,则需要进一步确定误差分布。如果真正的回归器不是高斯式的,那么您就有希望了。参见Reiersol(1950)
主教

另外,“仅截距和斜率的解决方案就可以了”是什么意思。这些是您仅有的两个参数!还是您也想尝试撤消“真实”回归器?
主教

@cardinal-我的意思是我并不特别在乎两个比例尺参数,正如您所说的那样,“真”回归器Xi
概率

我知道了。那讲得通。
主教

Answers:


7

JW Gillard在“线性回归的两个变量均具有误差的历史概述”中描述了多种可能性

(x¯,y¯)β^=sy/sxxyyα^=y¯β^x¯.

这种特殊方法的优点是

  1. xyyx
  2. 它是比例不变的,因此您不必担心单位,
  3. 它位于两条普通的线性回归线之间
  4. 它越过它们,它们在观测的质心处彼此交叉,并且
  5. 这很容易计算。

xy

YXXY

X0 <- 1600:3600
Y0 <- 5*X0 + 700
X1 <- X0 + 400*rnorm(2001)
Y1 <- Y0 + 2000*rnorm(2001)
slopeOLSXY  <- lm(Y1 ~ X1)$coefficients[2]     #OLS slope of Y on X
slopeOLSYX  <- 1/lm(X1 ~ Y1)$coefficients[2]   #Inverse of OLS slope of X on Y
slopesimple <- sd(Y1)/sd(X1) *sign(cov(X1,Y1)) #Simple slope
c(slopeOLSXY, slopeOLSYX, slopesimple)         #Show the three slopes
plot(Y1~X1)
abline(mean(Y1) - slopeOLSXY  * mean(X1), slopeOLSXY,  col="red")
abline(mean(Y1) - slopeOLSYX  * mean(X1), slopeOLSYX,  col="blue")
abline(mean(Y1) - slopesimple * mean(X1), slopesimple, col="green")

β^

{yi}{xi}σs

β^xyyxβ^yxxyβ^xy=ρ^sy/sxβ^yx=ρ^sx/syρ^xyρ^

x=by+c1/by=x/bc/byxρ^sy/sxsy/ρ^sxsy/sxyx

YX
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.