표준 오차 추정에 사용되는 프로파일 가능성의 헤센


13

이 질문은 이것에 의해 동기가 부여 됩니다 . 나는 두 가지 출처를 찾았으며 이것이 내가 찾은 것입니다.

A. van der Vaart, 증상 통계 :

프로파일 가능성을 명시 적으로 계산하는 것은 거의 불가능하지만 수치 평가는 종종 가능합니다. 그러면 프로파일 우도는 우도 함수의 차원을 감소시키는 역할을 할 수있다. 프로파일 우도 함수는 종종 파라 메트릭 모델의 (보통) 우도 함수와 같은 방식으로 사용됩니다. 그렇다 추정기로서 그들의 최대 점을 취하는 에서 이차 미분 의 추정치를 뺀 E의 점근 공분산 행렬의 역행렬로서 사용된다. 최근 연구에 따르면이 관행을 입증하는 것으로 보입니다.θ^θ^

J. Wooldridge, 단면 및 패널 데이터의 계량 분석 (두 판에서 동일) :

점근 적 특성을 연구하기위한 장치로서, 집중된 목적 함수는 일반적으로 모든 에 의존 하기 때문에 제한된 값을 . 방정식 (12.89)이 iid 함수의 합인 설정 하나는 특정 비선형 패널 데이터 모델에서 개별 별 효과를 집중시킬 때 발생합니다. 또한 집중된 목적 함수는 겉보기에 다른 추정 방식의 동등성을 설정하는 데 유용 할 수 있습니다.g(W,β)W

Wooldridge는 M- 추정기의보다 넓은 맥락에서 문제를 논의하므로 최대 가능성 추정치에도 적용됩니다.

그래서 우리는 같은 질문에 대해 두 가지 다른 답변을 얻습니다. 내 생각에 악마는 세부 사항에 있습니다. 일부 모델의 경우 일부 모델에 대해 헤센 프로파일 가능성을 안전하게 사용할 수 있습니다. 우리가 할 수있는 조건을 제공하는 일반적인 결과가 있습니까?


이 구절들은 같은 질문을 전혀 다루지 않는 것 같습니다. 첫 번째는 주어진 데이터 세트에 대한 수치 계산에 관한 것이고 두 번째는 "점근 적 특성 연구"에 관한 것입니다. Hessian의 사용은 일반적으로 간단한 답변을 통해 순수하게 수학적으로 고려됩니다 . 관련 토론을 참조하십시오 .
whuber

van der Vaart는 Hessian이 점근 공분산 행렬 계산에 사용된다고 말합니다 . Wooldridge는 집중된 목적 함수가 점근 적 특성의 연구에 사용될 수 없다고 말하고 있기 때문에, 헤 시안 (숫자)은 표준 오차를 추정하는 데 사용될 수 없음을 의미합니다. 나는 우리의 토론을 잊지 않았다. 그래서 나는이 구절을 소금 알갱이로 가져 간다. 그러나 van der Vaart 나 Wooldridge는 어떠한 언급도하지 않았다. 광범위한 연구를 수행하기 전에 이것이 잘 알려진 것일 수 있습니다.
mpiktas

탁월한 요점 : 어떻게 든 나는 반 데르 파르트 (Van der Vaart) 인용문에서 "점근 법"을 간과했습니다. 그러나 여전히 모순이 없을 수도 있습니다. Wooldridge는 단지 반 데르 파르트의 접근 방식이 효과가 있음을 증명하기 위해 명백한 단순 정당화 (iid summands)를 이용할 수 없다고 말합니다. Wooldridge는 작동하지 않는다고 말하지 않습니다. ;-).
whuber

@ whuber, 그렇습니다. 그러나 그는 어느 쪽도 작동한다고 말하지 않습니다 :) 나는 모순이 없다는 것을 알고 있습니다. 나는 확실한 결과가 있는지 알고 싶습니다.
mpiktas

2
참조 프로필 가능성에 , (파르트 데르 SA 머피와 AW 반) jstor.org/pss/2669386
whuber

답변:


1

일부 모델의 경우 일부 모델에 대해 프로파일 가능성의 헤센을 안전하게 사용할 수 있습니다

불행히도, 현재와 unlikley가 바뀌는 것은 사실입니다.

내가 아는 가장 분명한 논의는 조건부 추론 규칙입니다. 비 형성에 대한 보편적 인 정의가 있습니까? B Jørgensen-통계 방법 및 응용, 1994.

그리고 JE (1996)의 Stafford, Profile의 가능성에 대한 어드레싱 실패와 관련된 일부 문제에 대해 . 프로파일 가능성의 강력한 조정, Annals of Statistics, 24, 336-52.


1

빠른 답변 :이 내용은 OE Barndorff-Nielsen & DR Cox : 추론 및 무증상, Chapman & Hall, 페이지 90, 방정식 3.31의 3 장에서 Patefield에 설명되어 있습니다. 스칼라 매개 변수에 대해서는 이것이 유효하다고 결론을 내립니다 (다른 경우는 분석하지 않음).

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.